En juin dernier, JMP et Wiley ont présenté une série de webinaires en deux parties, intitulée Conquérir le paradoxe « Faire plus avec moins » avec JMP . La série discute des moyens de surmonter la nouvelle réalité à laquelle chacun est confronté sur le lieu de travail d'aujourd'hui ; devenir plus efficaces, améliorer les processus et stimuler la croissance de leurs organisations... sans augmenter le budget. La série donne aux participants des conseils, des astuces et des bonnes pratiques concrètes pour les aider à voir les données plus clairement, à interpréter et partager les découvertes plus facilement et à apporter des améliorations fondées sur des informations qui les aident à « faire plus avec moins ».
La première conférence a été proposée en juin, puis à nouveau le 31 octobre 2023. Decoding Python : Shorten the time from Discovery to model déploiement using JMP Pro , montre aux participants comment effectuer des prévisions de séries chronologiques à l'aide de Python et JMP Pro, avec la méthode d'apprentissage automatique XGBoost. . Python est le langage de programmation le plus populaire en science des données et en apprentissage automatique ; c'est également un excellent complément aux puissantes capacités graphiques et analytiques de JMP Pro. Au cours du webinaire, Russ Wolfinger, directeur de la découverte scientifique et de la génomique chez JMP, et Kemal Oflus, ingénieur système principal chez JMP, montrent aux participants comment :
De plus, Russ et Kemal partagent également avec les participants la pièce jointe suivante du bloc-notes Jupyter : final_combined_data.csv.zip) et JTable MP (pièce jointe : PJME_hourly.jmp) et un lien vers le complément XGBoost .
Pour une discussion plus avancée sur ce sujet, reportez-vous à l'article de Russ avec David Lander sur leur approche pour remporter le concours Kaggle M5 Uncertainty.
La deuxième présentation, Analyse des données de courbe avec JMP , montre aux participants comment utiliser JMP pour travailler avec des données représentées par une courbe, un défi auquel de nombreux scientifiques et ingénieurs sont confrontés. Il montre également aux spectateurs comment utiliser les courbes dans la conception d'expériences et la modélisation afin de mieux comprendre comment les variables d'entrée affectent la forme des courbes. La conférence, dirigée par Andrea Coombs, ingénieur système senior, montre aux participants comment analyser à la fois les courbes décrites par une formule (pièce jointe : Fit Curve DOE.jmp) et les courbes qui devaient être décrites avec un ajustement flexible (pièce jointe : Functional DOE.jmp). .
Pour accéder à l'enregistrement à la demande de l'une ou l'autre conférence, inscrivez-vous en utilisant les liens ci-dessous :
Analyse des données de courbe avec JMP
Décodage de Python : raccourcissez le délai entre la découverte et le déploiement du modèle.
