Ciao a tutti,
Ho raccolto idee, domande e risposte, alcuni casi d'uso e domande aperte anche su FDE. Il thread corrente su più informazioni di base su FDE ( https://community.jmp.com/t5/JMP-SE-Discussions/FDE-maths-behind-fitting-options/mp/662515#M6331 ) indica anche interesse per l'argomento.
Dopo aver venduto JMP Pro per FDE una volta, ho incontrato alcune difficoltà nel corso dell'anno. Uno è sicuramente che FDE (FDA in generale) sembra essere ampiamente sconosciuto (posso parlare principalmente per i clienti chimici). È molto facile suscitare l'interesse dei potenziali clienti, ma in realtà venderlo rimane una sfida (almeno per me 
). Penso che sarebbe molto utile avere una migliore comprensione di ciò che può offrire, come funziona ecc. per promuoverlo meglio e più spesso con i clienti.
La mia proposta è un luogo in cui raccogliamo casi d'uso, domande e risposte, storie del giorno nella vita prima e dopo e contenuti aggiuntivi come background teorico o materiali di formazione (per l'istruzione SE) @Di_Michelson 
.
Per cominciare: un caso d'uso era "adattamento di picco semi automatizzato utilizzando Python".
Situazione prima:
|
Gli scienziati stanno raccogliendo molti campioni per lunghi periodi di tempo. Le misurazioni hanno prodotto una curva simile a uno spettro, che appariva molto diversa per forma e numero di picchi, a seconda delle caratteristiche del campione.
Lo scienziato stava valutando visivamente le diverse forme e ha cercato di adattare manualmente le caratteristiche della forma delle curve. I problemi erano diversi numeri di picchi, che dovevano essere identificati per primi. Una volta analizzato, l'output non era facilmente comprensibile. Uno scienziato di dati poteva analizzare i dati in Python, ma questo non era scalabile, poiché lo era a scapito dei propri progressi di lavoro.
|
Situazione dopo:
|
L'analisi dei dati in FDE ha mostrato risultati immediati (in realtà entro 2 minuti), perché i picchi e le forme sono stati analizzati automaticamente e collegati alle caratteristiche del campione. Solo usando il Profiler, potevano vedere immediatamente cosa stavano cercando.
Senza bisogno di formazione, lo scienziato potrebbe immediatamente mettere in relazione le intuizioni con le caratteristiche del rispettivo prodotto.
|
Vittorie personali:
|
- Insight più rapidi, migliori risultati di sviluppo
- Più facile da interpretare e comunicare i risultati
- Non è necessario passare da un pacchetto software all'altro
- Non c'è bisogno di aspettare esperti/data scientist
|
Vittorie aziendali:
|
- Informazioni migliori più velocemente
- Non è necessaria la consulenza di data scientist
- Soluzione più scalabile
- Uscita standardizzata
- Un software per molte attività
|
Sono curioso di sapere cosa ne pensi di questa idea e quali pensieri aggiuntivi hai!
Cordiali saluti da Heidelberg, Germania
Floriano
