JMP/Python エコシステムの成功事例 (2023-JP-30MP-1556)Kwangki Lee, Haneol Solution
JMP/Python エコシステムは基本的に JMP の機能と Python の機能を相互補完的に使用するエコシステムを意味し、特に機械学習の観点から JMP Pro が独自に保有する機械学習技法に加えて Python が保有しているscikit-learn、XGBoost、LightGBM、CatBoost、PyTorch、Tensor Flowなどを相補的に使用して機械学習予測モデルを構築し最適化するJMP/Python機械学習エコシステムを優先的に構築してみた。 JMP/PythonエコシステムのロードマップはIGEOと定義され、IGEOロードマップはIG(Identify/Generate)領域とEO(Explore/Optimize)領域に大別され、IG領域は問題定義領域と実験/シミュレーションデータを生成する領域であり、 JMP / PythonエコシステムのコアであるEO領域は、DebO（Design Exploration based Optimization：設計領域探索ベースの最適化）を実行する領域です。 EO領域ではMariaDB、JMP、Pythonを統合して設計を行い、必要に応じてPython/JMP GUIを使用してGUIを構築して自動化を行う。 設計領域探索のためには実験計画法/計算実験計画法生成、機械学習モデル構築の2つの段階を繰り返すことになり、JMPとPythonモジュールを状況に応じて組み合わせて進行する。 JMP/Python 機械学習エコシステムの成功事例として、Explore 領域事例とボールベアリング故障検知監視システム事例、CAE 機械学習最適化事例をまとめてみました。提示してみよう。
