Beispiele für die Modellbereitstellung über Formula Depot zur Vorführung für Kunden?Hallo zusammen,
Mehrere meiner Kunden interessieren sich für JMP Pro, um Modelle für den Einsatz in ihren Fertigungsumgebungen zu entwickeln. Einige haben mich nach einem Beispiel gefragt, wie die Modelle aus dem Formula Depot extern angewendet werden können. Haben wir „einfache“ Demos, die die Verwendung der Modelle in einer anderen Umgebung (wie Python) zeigen?
Prost,
Ben
Betreff: Beispiele für die Modellbereitstellung über Formula Depot zur Vorführung durch Kunden?Hallo @Ben_Ingham , dieses Thema wird vom Produktmanagement im Zusammenhang mit Möglichkeiten zur Verbesserung und Weiterentwicklung von Formula Depot aktiv diskutiert.
Wir wollten eine positive Richtung vorschlagen, die wir mit den XGBoost- und Torch-Add-Ins verfolgen, nämlich Modelle ohne Codierung in JMP Pro zu trainieren und sie dann in Python bereitzustellen, indem wir benutzerdefinierte Wrapper-Python-Klassen verwenden, um die von JMP Pro gespeicherten Modelle wieder in Python zu lesen.
Generell glaube ich, dass praktisch jedes von JMP erstellte Modell problemlos in PyTorch implementiert werden könnte, basierend auf dem Python-Code, der bereits von XGBoost und Torch verfügbar ist. Dies würde funktionsreiche, einsetzbare Python-Modellobjekte bereitstellen, die auf GPUs ausgeführt und in andere gängige Formate wie ONNX konvertiert werden können.
Wenn Ihnen ein oder mehrere konkrete Beispiele einfallen – oder Sie vielleicht sogar ein Kunde aus der Fertigungsumgebung sind, der eines empfehlen oder bereitstellen möchte –, würde ich gerne mit Ihnen zusammenarbeiten, um aktuell von JMP erstellte Formeln in vollwertige PyTorch-Modellobjekte umzuwandeln.
Einfache Regressionsmodelle (linear oder logistisch) wären wahrscheinlich am einfachsten. Ein wichtiger Teil besteht darin, sicherzustellen, dass neue X-Variablen genau so transformiert werden, wie das JMP-Modell dies tut.
Betreff: Beispiele für die Modellbereitstellung über Formula Depot zur Vorführung durch Kunden?Hallo Ben – Häufig reicht es aus, den Leuten einfach den Code zu zeigen, den JMP aus dem Formula Depot erstellt. Insbesondere den C- und Python-Code zu zeigen, reicht den Leuten normalerweise aus. Lassen Sie sich nicht dazu verleiten, Dinge außerhalb von JMP zu unterstützen, wie etwa die Bereitstellung von Code in ihren Systemen. Das müssen sie selbst herausfinden.
Eine nette Demo von Formula Depot umfasst Modellvergleiche und die Profiler (obwohl Model Screening dies jetzt auch tut und Sie die Formeln in den eigenständigen Profiler unter dem Menü „Graph“ einfügen können). Ich erstelle gerne 3 Modelle unterschiedlichen Typs, z. B. ein Response Surface-Modell, ein Partitionsmodell und entweder ein Bootstrap- oder Neural-Modell. Wenn sie im Profiler gestapelt sind, können Sie den Leuten zeigen, dass sie verstehen, wie jede Art von Modell mit den Daten zusammenhängt und dass jedes Modell anders ist („Sehen Sie, wie dieses abgestuft ist, dieses eine gekrümmte Linie ist usw.“). Zeigen Sie auch das „Tatsächliche im Vergleich zum Vorhergesagten“ und wie einige Bereiche der Daten in verschiedenen Modellen anders passen als andere. Yield from White Polymer funktioniert hierfür.
Betreff: Beispiele für die Modellbereitstellung über Formula Depot zur Vorführung durch Kunden?Hallo @Laura_Higgins ,
Vielen Dank für den Rat und die Anleitung zur Vorführung von Formula Depot – ich werde es ausprobieren!
Danke,
Ben
Betreff: Beispiele für die Modellbereitstellung über Formula Depot zur Vorführung durch Kunden?Hallo @russ_wolfinger ,
Danke für die Informationen. Ich werde mir ein paar Datensätze ansehen, die geeignet sein könnten. Generell suche ich nach etwas Größerem mit einem Fertigungsansatz, der die meisten Kundenanforderungen abdeckt und ein einfaches Modell verwendet. Ich werde es Ihnen mitteilen.
Danke,
Ben
