700083_zh-TW

liliconcom

JMP/Python 生態系成功案例 (2023-KR-30MP-1556)

Kwangki Lee，Haneol 解決方案

JMP/Python生態系統基本上就是一個將JMP的功能和Python的功能互補使用的生態系統，特別是從機器學習的角度來看，JMP Pro自己的機器學習技術以及Python自己的技術我們首先構建了一個JMP/Python的機器學習生態系統，以互補的方式使用 scikit-learn、XGBoost、LightGBM、CatBoost、PyTorch 和 Tensor Flow 建立和優化機器學習預測模型。 JMP/Python生態系的路線圖定義為IGEO，IGEO路線圖大致分為IG（Identify/Generate）區域和EO（Explore/Optimize）區域，IG區域是問題定義區域和問題定義區域產生實驗/模擬資料的區域。EO區域是JMP/Python生態系的核心，是執行DEbO（基於設計探索的最佳化）的區域。在EO領域，透過整合MariaDB、JMP和Python來進行設計，並且如果需要，可以透過使用Python/JMP GUI建構GUI來進行自動化。為了探索設計領域，重複兩個步驟：實驗設計/實驗創建和機器學習模型建構的電腦化設計，並根據情況組合JMP和Python模組。作為JMP/Python機器學習生態系統的成功案例，我們總結了探索領域案例、滾珠軸承故障檢測監控系統案例、CAE機器學習優化案例，而JMP和Python的結合為幾乎所有的執行提供了方向。工程分析。我想介紹一下。