700083_zh-CN

liliconcom

JMP/Python 生态系统成功案例 (2023-KR-30MP-1556)

Kwangki Lee，Haneol 解决方案

 

JMP/Python生态系统基本上就是一个将JMP的功能和Python的功能互补使用的生态系统，特别是从机器学习的角度来看，JMP Pro自己的机器学习技术以及Python自己的技术我们首先构建了一个JMP/Python的机器学习生态系统，以互补的方式使用 scikit-learn、XGBoost、LightGBM、CatBoost、PyTorch 和 Tensor Flow 构建和优化机器学习预测模型。 JMP/Python生态系统的路线图被定义为IGEO，IGEO路线图大致分为IG（Identify/Generate）区域和EO（Explore/Optimize）区域，IG区域是问题定义区域和问题定义区域生成实验/模拟数据的区域。EO区域是JMP/Python生态系统的核心，是执行DEbO（基于设计探索的优化）的区域。 在EO领域，通过集成MariaDB、JMP和Python来进行设计，并且如果需要，可以通过使用Python/JMP GUI构建GUI来进行自动化。 为了探索设计领域，重复两个步骤：实验设计/实验创建和机器学习模型构建的计算机化设计，并根据情况组合JMP和Python模块。 作为JMP/Python机器学习生态系统的成功案例，我们总结了探索领域案例、滚珠轴承故障检测监控系统案例、CAE机器学习优化案例，而JMP和Python的结合为几乎所有的执行提供了方向。工程分析。我想介绍一下。