大家好，
我一直在收集關於 FDE 的想法、問題和答案、一些用例和開放問題。 當前線程有關 FDE 的更多背景（ https://community.jmp.com/t5/JMP-SE-Discussions/FDE-maths-behind-fitting-options/mp/662515#M6331 ) 也表示對該主題的興趣。
在銷售了一次用於 FDE 的 JMP Pro 後，我全年都遇到了一些困難。 其中之一肯定是 FDE（一般為 FDA）似乎廣為人知（我主要代表化學品客戶）。 激發潛在客戶的興趣很容易，但實際銷售它仍然是一個挑戰（至少對我來說是這樣；））。 我認為更好地了解它可以提供什麼、它是如何工作的等，以便更好地、更頻繁地向客戶推廣它，將會非常有幫助。
我的建議是我們收集用例、問題和答案、生活前後故事以及理論背景或培訓材料（用於 SE 教育）等其他內容的位置@Di_Michelson 
。
首先：一個用例是“使用 Python 進行半自動峰值擬合”。
之前的情況：
|
科學家們在很長一段時間內收集了許多樣本。 測量結果產生了類似光譜的曲線，其形狀和峰數量看起來非常不同，具體取決於樣品特性。
科學家目視評估不同的形狀，並嘗試手動擬合曲線形狀特徵。 問題在於峰的數量不同，必須首先確定這些峰的數量。 分析後，輸出結果並不容易理解。 數據科學家可以用Python分析數據，但這不可擴展，因為這是以犧牲自己的工作進度為代價的。
|
之後的情況：
|
在 FDE 中分析數據可顯示即時結果（實際上在 2 分鐘內），因為峰和形狀會自動分析並與樣品的特徵相關聯。 只要使用Profiler，他們就能立即看到他們想要的東西。
無需培訓，科學家就可以立即將見解與相應產品的特性聯繫起來。
|
個人勝利：
|
- 更快更好的洞察，更好的發展成果
- 更容易解釋和傳達結果
- 無需在軟件包之間切換
- 無需等待專家/數據科學家
|
商業勝利：
|
- 更快更好的洞察
- 無需數據科學家諮詢
- 更具可擴展性的解決方案
- 標準化輸出
- 一款軟件可完成多項任務
|
我很好奇您對這個想法有何看法以及您還有什麼其他想法！
來自德國海德堡的最誠摯的問候
弗洛里安
