Hallo. Mein Name Ist Najmeh Dehghani.
Ich bin A Daten Ingenieur bei JLL.
ICH haben Mein Meister Grad in Analytik aus Texas BIN.
Mein Schlussstein Projekt Ist In Anfrage Verfahren Optimierung
für Vorgefertigt Metall Gebäude.
ICH erhalten Zu wissen JMP Und SAS In Schule bei Texas BIN.
ICH Gegründet A wunderbar Werkzeug Zu Tun Analyse
Und ausführen Analyse mit Das.
Aber Genau genommen, Mein Schlussstein Projekt Ist In beide In JMP Und Auch Python.
ICH haben Erledigt Es In beide.
Grundsätzlich, Die Zielsetzung von Mein Projekt Ist Zu vorhersagen Die Gewicht
von vorgefertigt Metall Gebäude von angesichts verschieden geometrisch
Und geografisch Anforderungen.
Lasst uns haben ein Einführung Zu Die Metall Gebäude.
Metall Gebäude, grundsätzlich vorgefertigt Metall Gebäude
Sind Strukturen Das nutzen Stahl Rahmen Zu Unterstützung Die Dach Und Wand Panel.
Wir dürfen Tun Die Anpassungen An ihnen basierend An Die Kunden Erfordernis.
Sie dürfen Sei kommerziell oder Wohnen.
Sie haben ein Genauigkeit Weil Sie Sind vorgefertigt
Und Die Maße Sind präzise.
Sie haben Flexibilität.
Wir dürfen ändern Die Design basierend An Die Kunde Bedürfnisse
Und Kunde Anforderungen.
Was genau An Das Projekt Wir haben Zu Tun
Ist Das schätzen Die Gewicht Zu vorhersagen Die Preis.
Der Stahl Struktur Ist A kritisch Faktor An Die Metall Gebäude Preisgestaltung.
Wir wollen Zu sehen Wenn Wir dürfen vorhersagen Das Gewicht.
Letztlich, Wir dürfen vorhersagen Die Preis
Und letztlich, Wir dürfen arbeiten An Die Anfrage Verfahren.
Grundsätzlich, Lasst uns nehmen A sehen bei Die Anfrage Verfahren.
Was Ist Die Anfrage Verfahren Das Wir wollen Zu optimieren
Und Was Ist genau ihre aktuell System Ist tun.
Als ICH erwähnt, Die Geschäft Herausforderungen An Hand An Das Projekt
Ist Zu verbessern Die Anfrage Verfahren für Metall Gebäude
Und Zu sehen Wenn Wir dürfen verbessern Die Antwort Zeit,
reduzieren Die Server kosten,
Und mildern Die fehlen Gelegenheiten für Die Unternehmen.
Zu schicken aus Die Anfrage Zu ihre Klient,
grundsätzlich, Sie Sind gehen Zu wählen manche Verfahren, manche Schritte.
Sie Rezension Die Anfragen Das Kommen Zu Die Unternehmen, angeben Die Zweck, Größe,
Layout, Design Erfordernis von Die Gebäude.
Sie überprüfen alle von Die technisch Spezifikation,
Die Belastung Kapazität, Überdachung Und Isolierung Und andere Faktoren
Zu vorbereiten genau Zitate Das Abdeckung alle von Die Materialien, Arbeit Und kosten für ihnen,
Berechnung Die Preis Und schicken aus Die Anfrage zurück Zu Die Kunden.
Ihre aktuell System Das wird bearbeitet Die Anfrage für ihnen grundsätzlich Ist wie Das.
Sie Sind Rechts Jetzt haben drei Server.
Jede Server Ist wird bearbeitet um 480 Anfrage pro Tag.
Der Zeit jede Anfrage Wille nehmen Zu Verfahren Ist um 180 Sekunden.
Der kosten pro Anfrage Ist etwa 75 Cent.
Teilen alle von diese zusammen,
Wir dürfen kommen hoch mit A Nummer von 0,004 $ pro zweite Zu Verfahren Anfrage.
Zu halten 480 pro Tag pro Server,
es ist gehen Zu Sei 360 $ pro Tag Zu Verfahren Die Ausschreibungen.
Sie haben drei Server.
Total, es ist gehen Zu Sei um 1.000 $ pro Tag für alle drei Server
Zu Verfahren Die Ausschreibungen.
Wenn Wir halten 365 Tage In A Jahr, es ist gehen Zu Sei um 400.000 $ Server
Und Wartung kosten für Die Unternehmen Zu Verfahren alle von Die Ausschreibungen.
Grundsätzlich, Wir wollen Zu sehen Wenn Wir dürfen verbessern Das Verfahren
für Die Unternehmen von vorhersagen Die Gewicht basierend von Die historisch Daten.
Der Methoden ICH haben gebraucht An Das Projekt
wahrscheinlich basierend alle von Die Maschine Lernen Projekte für vorhersagen.
Es ist gehen Zu Sei Daten Sammlung Und Vorverarbeitung, Besonderheit Maschinenbau
Und Auswahl, Und Modell Auswahl.
Lasst uns nehmen A sehen.
Wir gestartet von definieren genau Was Ist Die Geschäft Problem.
Der Geschäft Problem Ist Das vorhersagen Die Gewicht von Die Metallgebäude.
Der Daten Sammlung Und Vorverarbeitung Ist Das
Wie ICH handhaben Das Teil Ist Das um 182 SQL Tische war bereitgestellt Zu Mich
als A Teil von Teilmenge von historisch Daten aus Die Hersteller.
Um 500.000 aufzeichnen War inbegriffen In diese Tische,
mehr als 500 Merkmale, UNS Daten nur.
ICH haben durchgeführt Die ETL Verfahren
Und Reinigung Mein Daten Satz Bußgeld abnormal Daten In SAS, Python Und JMP
Und integriert alle von Mein Daten In eins Tisch
mit Die helfen von diese drei Werkzeuge.
Mein nächste Schritt War Zu, Die Besonderheit Auswahl oder Extraktion.
Der vorläufig Besonderheit Auswahl, ICH durchgeführt Es beginnend industriell Studie
Und Auch bekommen Die Sachverstand Beurteilung Zu beseitigen Die Merkmale
Das Es War Wirklich unabhängig Zu unser Ziel.
Dann ICH gestartet Korrelation Analyse Zu prüfen Die Korrelation
Und finden Die Multikollinearität zwischen Mein Merkmale
Zu beseitigen mehr Merkmale.
Dann beschreibend Analyse Und Visualisierung Zu überprüfen alle
von Die Beziehung zwischen Mein Daten als ICH haben Erledigt In JMP, Python,
Und Tableau.
Der nächste Schritt für Mich War Zu Start herausfinden aus oder erkunden Die Modelle,
Die Algorithmen basierend An Die charakteristisch von Mein Daten.
Als Mein Daten War, Mein Ziel Ist ein Integral Ziel,
Also ICH gestartet Zu sehen hinein Die linear Rückschritt schrittweise, zufällig Wald,
Entscheidung Baum, Und manche andere mehr Algorithmus.
Letztlich, ICH ausgebildet Und auswerten anders Modelle In beide Python Und JMP.
ICH verglichen Die Leistung Metriken Und tat Die kreuzen Validierung
Und k-fach Validierung für alle von Mein Modelle.
Wenn Wir nehmen A sehen bei Hier In Die Mitte,
Wir dürfen sehen Die Modelle Das ICH ausgebildet Mein Daten An Es.
Manche von ihnen Sind In Python, manche von ihnen Sind In JMP.
Zu vergleichen Das Modell Zu sehen welche eins Ist Die am besten,
ICH hatte Zu vergleichen Die Modelle basierend An Die ASE,
Und Auch Zu überprüfen welche Modell Ist durchführen besser
Und Auch überprüfen Die R-Quadrat Zu sehen Wie schließen unser Vorhersage,
unser Vorhersage gehen Zu Sei Zu Die tatsächlich Daten.
Das Ist Die Restwert Handlung für alle von Die Modelle.
Wenn Du gehen zurück Hier,
Du dürfen sehen aus von alle von Die Modelle Das ICH hatte laufen,
ICH haben zwei Modelle Das Sind Die am besten,
A Entscheidung Baum In Python Und verstärkt Baum In JMP.
Wenn Wir nehmen A sehen bei beide von ihnen, Wir dürfen sehen am meisten von Die Merkmale
Das beide ausgewählt Sind Die Dasselbe, sogar Die Bedeutung Sind schließen Zu jede andere.
Suchen bei Die ASE,
Wir dürfen sehen Die ASE für Entscheidung Baum Ist um 4.000,
Aber für Die verstärkt Baum Ist um 2.000, welche Ist viel mehr besser.
Auch, R-Quadrat für Die verstärkt Baum Ist A wenig bisschen höher.
Der Restwert, Wenn Wir sehen bei Die Reste
aus beide Software, Wir dürfen sehen Die Restwert Ist Wirklich Gut,
schließen Zu Die tatsächlich Werte, oder aus Python Ist schließen Zu Ist um null Werte.
Beide Modell Sind Wirklich Gut Und Sie sind vorhersagen Gut.
Es bedeutet Das Wir dürfen vorhersagen Die Gewicht
von Die Gebäude basierend von Das historisch Daten Das Wir haben.
Lasst uns sehen Wie es ist gehen Zu Auswirkungen Die Geschäft Hier.
Okay, Wir haben A Gut Modell. Das Modell Ist durchführen Also.
Lasst uns sehen Wenn Die Geschäft wollen Zu implementieren Das Modell,
Was Sind Die Vorteile für ihnen?
Der Erste Diagramm Wir dürfen sehen War Die Diagramm
Das ICH bereits vorgeführt Zu Du als ihre aktuell System.
Wir wissen Sie Sind jede Server, Sie haben drei Server
Und jede Server Ist wird bearbeitet 480 Anfrage pro Tag
Das total Es Kosten 360 $ pro Tag für jede Server.
In Betracht ziehen Das Wir wollen Zu Verfahren Die Dasselbe Menge von Die Ausschreibungen, 480.
Aber bei Das Zeit, mit umsetzen Die Modell,
Wir dürfen untere runter Die Verfahren Zeit Zu eins zweite
Weil Die Modell gehen Zu Nur sofort läuft Und geben Die Preis Zu uns.
Angesichts Die kosten gehen Zu Sei pro Anfrage gehen Zu Sei Die Dasselbe,
kosten pro zweite gehen Zu Sei Die Dasselbe, Nur wird bearbeitet Zeit Wille Sei eins zweite
aus von 180 Sekunden.
Der gesamt kosten Wille untere runter Zu 2 $ pro Tag pro Server.
Dann Sie haben drei Server, es ist gehen Zu Sei 6 $.
Wenn Wir halten, es ist gehen Zu Sei 365 Tage pro Jahr
Das alle drei Server Sind läuft, es ist gehen Zu Sei um 2.000 $.
Vergleichen mit aktuell kosten,
Sie Sind zahlen für Die Server Und wird bearbeitet Zeit.
Es ist fast 99 % kosten sparen für Die Geschäft Und Die Unternehmen.
Aber überraschenderweise, Das Ist nicht Die nur kosten Sie dürfen speichern.
Der andere kosten Sie dürfen speichern Ist oder Sie dürfen bringen mehr Gelegenheiten.
Sie Sind fehlen manche Gelegenheiten.
Rechts Jetzt, Sie Sind wird bearbeitet 480 Ausschreibungen pro Tag, eins Server.
Aber Wenn Wir untere runter Die wird bearbeitet Zeit Zu eins zweite,
Sie dürfen Verfahren 80.000 Ausschreibungen.
Angesichts Die gewinnen Rate für ihnen Wille Sei 4 %.
Rechts Jetzt, Die gesamt Nummer Sie dürfen gewinnen pro Tag Ist gehen Zu Sei 19.
Aber mit umsetzen Die Modell Weil Sie Sind wird bearbeitet mehr Anfrage,
Also Sie dürfen gewinnen mehr Und Sie dürfen bringen mehr Gelegenheiten.
Eigentlich, grundsätzlich Sie Sind fehlen um 3.000 Gelegenheiten pro Tag.
Wahrscheinlich Das Ist gehen Zu Sei mehr als ihre Kapazität,
Aber Das Ist eins von Die Punkte
Das Sie dürfen denken um ihre Geschäft Entwicklung.
Das Ist Mein Projekt um Sie könnte haben vorhersagen A Gut Modell Und letztlich
Wir dürfen sehen Sie sind gehen Zu Sei A riesig Geschäft Auswirkungen für Die Unternehmen.
Ich hoffe Du genießen Es Und Dank Du Also viel Zu Texas BIN
Und DR. Jones als Mein Schlussstein Trainer.
