| Conférencier |
Transcription |
| Heidi Hardner |
Bonjour, je suis Heidi Hardner, je vous parle depuis Minneapolis, Minnesota. |
| Serkay Olmez |
Et ce Serkay Olmez, et j'appelle depuis Longmont, Colorado. |
| Heidi Hardner |
Nous travaillons chez Seagate Technology, où nous utilisons tous deux JMP et JSL depuis longtemps et partageons des scripts JMP avec nos collègues. Nous allons présenter quelques cas d'utilisation d'images ??? dans des tables de données JMP et partager des outils JSL associés. |
| |
Chez Seagate, les têtes d'enregistrement subissent un grand nombre de processus en usine, depuis la fabrication de plaquettes jusqu'à l'installation dans le lecteur. |
| |
Nous examinons donc fréquemment des données très larges où chaque en-tête est une ligne et où il y a de très nombreuses colonnes. |
| |
Étant donné que de nombreux processus produisent des images qui peuvent inclure de nombreuses images différentes par tête ou que nous pouvons avoir des données très volumineuses provenant de nombreuses têtes passant par un seul processus, se ressemblant beaucoup les unes aux autres dans les images de métrologie. |
| |
Nos ensembles de données de téléchargement actuels ne sont pas des images Seagate, mais ils présenteront des similitudes avec ces situations, et j'espère que ces parallèles pourront vous aider à établir des parallèles avec vos propres cas d'utilisation. |
| |
JMP propose des images et des tableaux de données depuis plusieurs années maintenant, et j'ai personnellement mis du temps à l'apprécier. |
| |
J'espère que vous verrez dans ces cas d'utilisation, différentes manières dont cela peut être utile, notamment grâce à la connexion interactive flexible des images à d'autres données. |
| |
Je souhaite également souligner l’intérêt de stocker les chemins d’image dans la table, surtout si vous pouvez avoir des chemins partagés. |
| |
Enfin, nous partageons tous les deux le JSL que nous présenterons dans les supports. C'est donc un point à retenir. Vous trouverez un répertoire à la fin de ce PowerPoint. |
| |
Une grande partie de l'exploration utile avec les images est assez basique et nos scripts sont prêts à être utilisés sans connaissance JSL, mais ils contiennent également un large éventail d'éléments sur lesquels vous pouvez vous appuyer dans vos propres scripts JMP. |
| |
trois choses qui incluent des chemins d'images accessibles au public jusqu'à mon deuxième point à retenir. |
| |
Le premier est un tableau de données provenant du catalogue en ligne des Mets. Il comprend des exemples avec plusieurs images par objet ou ligne. |
| |
Parcourir un catalogue a été pour moi une véritable exploration, que je recommande vivement. Le deuxième ensemble de données est constitué d'images astronomiques. Elles proviennent de Russ Durkee du Shed of Science Observatory. |
| |
Il s'agit de données métrologiques ligne par image, où les images sont très similaires à première vue. Notez donc les parallèles avec ce que je viens de dire à propos de nos cas d'utilisation de données d'usine de têtes d'enregistrement. |
| |
Et en parlant de terriers de lapin dans lesquels je suis allé, la troisième chose est JSL qui implémente l'API Omeka |
| |
Pour accéder aux collections savantes en ligne. Merci au Dr Heather Shirey pour son aide à l'accès à ces bases de données. Son projet de cartographie de l'art urbain est un autre projet intéressant à découvrir en ligne. |
| |
Mais le point technique ici est que n'importe qui peut utiliser ce code pour expérimenter l'interrogation de la base de données et obtenir des résultats qui mélangent les chemins d'image avec d'autres données pour créer le type de table autour de laquelle nos outils sont centrés. |
| |
Nous allons donc passer directement à une démonstration en direct dans JMP. Avant d'examiner ce type d'ensembles de données, que faire si vous disposez simplement d'une pile d'images ? |
| |
table d'images à partir de dossiers. Cela nous permet de choisir un dossier. J'ai un dossier contenant des exemples d'images |
| |
Données du catalogue Met. Vous pouvez voir qu'il contient des dossiers. Lorsque je sélectionne ce dossier, un tableau s'affiche rapidement. |
| |
Dans la colonne, tous ces onglets mènent aux images. L'outil recherche les extensions de fichiers qu'il considère comme des images et crée des dossiers pour |
| |
Les sous-dossiers sont des attributs des données. Il arrive fréquemment que les noms de dossiers contiennent un attribut significatif que vous souhaitez voir apparaître dans les données. |
| |
Et c'est un script que vous pouvez personnaliser davantage dans ma version Seagate. En général, j'ai un identifiant de tête intégré dans le nom du fichier, donc j'ai une analyse pour cela qui est intégrée automatiquement à ma propre version personnelle de ce script. |
| |
Passons rapidement à l'un de nos principaux exemples de données. Il s'agit des données du musée dont j'ai parlé. Celles-ci sont plus étoffées, comme vous pouvez le constater. |
| |
Il y a une ligne par objet, mais il y a des données numériques. Donc, il liste les objets. Il y a beaucoup de données d'attributs. Donc, il y a beaucoup de… |
| |
Un ensemble de données plus conséquent est ici. Mais si l'on fait défiler la page, on peut voir à l'intérieur de l'ensemble de données les chemins d'accès aux images et les URL vers lesquelles elles se trouvent. |
| |
sont hébergés et vous pouvez voir qu'il y a jusqu'à cinq images distinctes ici pour certaines des lignes. |
| |
Mon deuxième outil, « Table d'images importantes », est celui qui permet d'ajouter des images à la table et peut gérer plusieurs chemins. Il peut également s'agir de chemins locaux. Il n'est pas nécessaire qu'il s'agisse d'une URL. |
| |
Une fois les données de démonstration partagées, vous pourrez les récupérer… C'est déjà fait. Je voulais dire rapidement… parler rapidement de ce qui se passe en coulisses. |
| |
Lorsque JMP ouvre un objet reconnu comme une image, il peut s'agir d'un objet image. Cet objet peut recevoir de nombreux messages de commandes JSL, comme « récupérer la taille », « obtenir les pixels » et « enregistrer l'image ». Vous les trouverez dans le code que nous partageons. |
| |
Allons-y, je veux voir le résultat… les images dans le tableau. Ce script fait plusieurs choses, en plus de simplement insérer les images. |
| |
C'est… Laissez-moi vous donner un autre exemple avec un extrait de code à ce sujet. Les images sont placées dans une colonne de type expression, ce qui crée un type de données expression, et comment y placer les images. |
| |
Je crée également un gestionnaire d'événements pour cette colonne. Il utilise un message spécial pour la zone graphique, ajoute une image à l'objet image et l'ajoute directement à la zone graphique. Je vais vous montrer comment cela fonctionne, mais c'est… Gestionnaire d'événements Click. |
| |
Et il est également redimensionné, donc le fait qu'il soit devenu grand pour accueillir ceux-ci un peu plus grands. |
| |
C'est quelque chose que vous pouvez faire, mon script le fait, mais aussi par défaut, vous savez, si vous mettez des images, vous pourriez obtenir quelque chose de vraiment petit comme ça, ce qui pourrait être cool |
| |
pour voir un large éventail, mais peut-être vaut-il simplement la peine de savoir que, vous savez, cela semble être le cas, je ne sais pas comment je pourrais regarder mes images qui sont censées être si petites dans JMP, vous pouvez également les élargir manuellement. |
| |
Le script s'intègre également dans la table. C'est utile de savoir comment faire, et la logique ici est la suivante : |
| |
Le tableau de données est devenu vraiment volumineux lorsque nous avons intégré toutes ces images, et ce sont des images complètes intégrées dans |
| |
Les données des images complètes sont intégrées lorsque cela se produit. Je souhaiterais donc envoyer cet ensemble de données à quelqu'un pour qu'il puisse les récupérer sans connaître mon menu d'outils. Il pourrait exécuter cette commande pour réimporter les images. |
| |
Sur le clic, je voulais montrer où, lorsque vous cliquez dessus, une version pleine taille ou plus grande de l'image est créée ici pour que vous puissiez la voir. |
| |
Comme je l'ai dit, l'avantage d'avoir des images dans une table de données réside en grande partie dans les fonctionnalités d'exploration très simples de JMP. Par exemple, je peux prendre ces colonnes et les réorganiser. |
| |
Et déplacez-les simplement vers d'autres éléments, il sera plus intéressant de regarder l'ensemble du tableau des tailles de fichiers. |
| |
Et de cette façon, vous savez, je peux simplement parcourir, je peux trier, je peux voir ici que j'ai trié les images par nombre, ou la ligne triée par nombre d'images qui fonctionnent. |
| |
Donc, si je fais défiler la page vers le bas, je peux voir visuellement qu'en réorganisant les colonnes, je peux obtenir différentes colonnes intéressantes à côté de celles-ci. Je peux ainsi obtenir beaucoup d'images dans une grille. |
| |
Sur la table. J'ai ce groupe et j'ai créé ma propre colonne de regroupement. Je peux donc le réorganiser. En réorganisant les colonnes, je peux coller cela à côté des images. |
| |
au cas où je voudrais revoir cela en faisant défiler. Donc, beaucoup de déplacements, de tri et de réorganisation font partie des avantages d'avoir des images dans un |
| |
table. L'un de mes cas d'utilisation personnels consiste à surveiller certaines mesures importantes provenant d'images et, dans mon cas, elles proviennent en fait d'une combinaison d'images différentes. |
| |
Et je regarderais ces données ou je rechercherais des valeurs aberrantes et des modes suspects qui apparaîtraient de manière récurrente dans les données. |
| |
Et dans ce cas d'utilisation, je n'aurais pas 85, j'ai des dizaines de milliers de lignes que je regarde et les images seront une partie utile pour explorer ce qui ne va pas avec les données. |
| |
Voici un exemple de graphique : la hauteur par largeur de ces objets de musée. Revenons rapidement en arrière et illustrons une méthode. Un clic droit ici me permet de créer une étiquette à partir de cette première colonne. |
| |
Et donc, si je regarde les données, je peux examiner cela et dire qu'il y a quelque chose qui dépasse. Pourquoi est-ce tellement plus large que haut ? Eh bien, ce n'était pas une erreur. C'est vraiment large. |
| |
Il y a des œuvres d'art, donc c'est logique. Ça me permet de faire apparaître un fait. Si j'ai beaucoup de choses qui m'intéressent, regroupées ici, on dirait qu'il y en a beaucoup. |
| |
de ces gars qui sont de taille similaire, peut-être que cela semble intéressant. |
| |
Je peux les consulter individuellement grâce aux étiquettes. Mais si mes données sont vraiment volumineuses, je peux explorer d'autres données. Je peux revenir aux données et utiliser la touche F7 pour les parcourir. |
| |
Pour les éléments sélectionnés. Bien sûr, après avoir sélectionné des éléments, je pourrais simplement en sous-ensembles pour obtenir… |
| |
Il s'agit simplement d'un ensemble de données plus restreint. L'un des aspects exploratoires que j'aimerais montrer, l'un de mes préférés, concerne la sélection des lignes. |
| |
Je pourrais sélectionner des noms et des colonnes. Disons que c'est un mode étrange et que je sais déjà que je voudrais l'appeler « bizarres ». |
| |
Et je vais dire : « Hé, voici quelques anomalies dans les données que je souhaite examiner. » Et cela va m'afficher une colonne à la fin, avec des uns et des zéros, indiquant si les données sont anormales ou non. |
| |
Et l'intérêt de cette méthode, c'est que… imaginons que mon ensemble de données soit vraiment volumineux. Et donc, les parcourir, c'est pas terrible. |
| |
Et disons que c'est tellement gros que je ne veux pas y inclure les images. Je ne veux pas les intégrer, c'était impossible. Me voici donc de retour avec mon ensemble de données. |
| |
Et j'ai ces éléments atypiques qui m'intéressent. Et je peux aller dans le sous-ensemble, et au lieu de simplement les sous-ensembles tous, disons qu'il y en a peut-être des milliers ici dans ce groupe, je peux utiliser cette colonne pour faire une stratification. |
| |
Donc, je pourrais dire que je n'en ai sélectionné que 11, alors disons que j'en choisis cinq. Je vais choisir de me concentrer sur les éléments originaux. |
| |
Et ce que j'obtiendrai, ce sont cinq excentriques et cinq non-excentriques, choisis au hasard, et vous savez, là, je pourrais les trier et récupérer les images. Donc maintenant, je pourrais dire, d'accord, je veux juste voir… |
| |
Peut-être que je veux juste voir un et deux, peu importe, juste pour le petit ensemble. Donc, encore une fois, j'espère que cela montre comment faire glisser ces chemins, même des données très volumineuses, là où elles ne semblent pas utiles. |
| |
Si j'ai les images, ou si je sais si c'est faisable de les intégrer, je pourrais simplement en obtenir un sous-ensemble. Ensuite, je pourrais les parcourir et voir ce qui distingue les éléments originaux. Je pourrais les trier. |
| |
Je voudrais maintenant vous montrer un autre cas d'utilisation. |
| |
ce cas d'utilisation m'a permis d'apprendre à faire une classification d'images par apprentissage profond, etc. |
| |
dans ce cas, vous savez... ce qui m'a vraiment frappé dans ce cas, c'est que les images sont littéralement les données. |
| |
Voici un exemple. Dans mon cas, bien sûr, je regarde des enregistrements qui ont différentes perspectives. J'essayais de classer ces différentes perspectives. |
| |
Sensation droite ??? et autre chose qui se concentre sur une autre partie de la tête. Je simule donc cela avec une statue de chat à partir des données artistiques et je les catégorise. Voici le dos, la droite, l'avant, etc. |
| |
vous savez, ce projet d'apprentissage automatique ne se déroule pas dans JMP, mais il y a un besoin là-bas |
| |
Pour ce produit de catégorisation Python, TensorFlow fournit des données d'entraînement. Au final, pour analyser les résultats, on obtient des fichiers imbriqués dans des dossiers. Permettez-moi donc de vous présenter rapidement un autre de nos outils : cette image. |
| |
Et voilà. Table d'images. Ces outils. |
| |
Deux dossiers et voilà...je peux choisir les images. |
| |
Ce sont les chemins ou les images dans la table de données et je peux choisir certaines colonnes d'attributs et les transformer en |
| |
Dossiers pour les catégories de dossiers imbriquées. Ici, je vais lui indiquer d'utiliser ma colonne de nom de fichier comme nom. |
| |
Je peux généralement ajouter un préfixe ou modifier la taille. Le redimensionnement est un autre aspect important de l'apprentissage automatique. J'ai configuré mon modèle pour qu'il puisse charger des images d'une certaine taille. Une fois le processus opérationnel, mes images seront envoyées. |
| |
dans le dossier. |
| |
il y a un problème ici où ça s'est passé. |
| |
Laissez-moi le faire une fois de plus. Les images… la table d'images dans les dossiers. |
| |
Je crois que j'ai cliqué au mauvais endroit. J'ai mon dossier d'images d'apprentissage automatique ici, et je veux les y placer rapidement. |
| |
Révise ça. |
| |
En cliquant sur les noms de fichiers. |
| |
Et il va les organiser dans le dossier. |
| |
Voici donc mes ensembles de données de test et d'entraînement, et oups, j'ai choisi le mauvais élément pour mes catégories. Classons-les selon les éléments que j'ai choisis dans les colonnes. |
| |
Donc l’idée est que, vous savez, je dois mettre mes données catégorisées dans la structure du dossier. |
| |
Et l’autre chose à ce sujet est que c’est utile dans les données dans… de faire cela dans JMP dans la table de données, il est donc utile de proposer ces catégories de formation. |
| |
groupes dans JMP. J'ai déjà montré qu'il était possible de stratifier les données. Voici un autre exemple : comme j'ai les données, les autres colonnes de données, comme le département, sont dans le |
| |
Dans l'ensemble de données, je peux revenir en arrière et vérifier si j'ai bien réparti mes données de test et d'entraînement. Par exemple, pour l'art égyptien, j'ai fait du bon travail. |
| |
Étant en partie dans la tâche, en partie dans l'entraînement, et pas tellement dans l'autre catégorie. Donc, dans JMP, je sais que j'ai les autres données. |
| |
Colonnes. Elles sont pratiques pour constituer mon ensemble d'entraînement de test, m'assurer d'avoir des groupes équilibrés et aussi pouvoir enregistrer ce tableau et conserver un enregistrement de son contenu. |
| |
Ce qui était dans ma formation. Voilà. La dernière chose que je voulais dire à ce sujet, c'est que les données du musée ne reflètent pas très bien |
| |
L'idée que les images de métrologie se ressemblent toutes beaucoup. Ces chats étant tous uniques, il vous faudra peut-être les observer attentivement en parcourant cette page pour voir… |
| |
vous savez, est-ce l'arrière d'un chat ou l'avant avec le visage usé ou quoi que ce soit d'autre, et |
| |
Je parlerai plus en détail du cas où les images de métrologie sont très similaires. Il est donc très utile de les parcourir simplement en les observant visuellement. Nous entendrons ensuite Serkay parler de son outil PowerPoint. |
| Serkay Olmez |
Ok, alors laissez-moi partager mon écran. |
| |
Bien. |
| |
Je vais donc parler d'un script qui permet aux utilisateurs d'insérer des images répertoriées dans un tableau JMP dans PowerPoint. |
| |
Vous souhaitez donc collecter les images des liens répertoriés dans le tableau et les intégrer dans PowerPoint avec le modèle de votre choix. Vous pouvez ainsi créer ce tableau avec |
| |
extraits de code Heidi a déjà montré et ce script suppose que vous avez déjà une table et que vous avez les liens là-dedans. |
| |
Et je vais simplement exécuter le script et vous dire ce que fait le script. |
| |
Si j'exécute cette commande, une interface s'ouvre, permettant de sélectionner des colonnes comme attributs. Tout d'abord, il faut sélectionner le chemin de l'image afin que JMP sache où les collecter. |
| |
Vous pouvez également ajouter des étiquettes. Ces étiquettes seront intégrées dans PowerPoint sous forme de colonnes, et vous pourrez choisir la mise en page souhaitée. Je vais donc simplement afficher une grille. |
| |
Commencez par la mise en page. Il y aura donc quatre colonnes, deux lignes dans ce cas. Cliquez ensuite sur Exporter. Cela déclenche PowerPoint, qui s'ouvre. |
| |
allez récupérer ces images et il construira les diapositives et cela prendra 10 à 20 secondes car il récupère 20 images d'un serveur. |
| |
Une fois terminé, vous disposerez d'un PowerPoint bien structuré. N'oubliez pas que ces colonnes sont celles du tableau, issues des colonnes sélectionnées au début de l'interface utilisateur. Vous obtenez ainsi rapidement ce résultat et pouvez, bien sûr, le modifier. |
| |
la disposition ici. Par exemple, supposons que vous souhaitiez faire |
| |
C'est différent. Voici donc cette sélection de mise en page. Imaginons que vous souhaitiez créer une ligne et laisser un espace en dessous pour y ajouter des commentaires. Vous pouvez donc simplement relancer cette opération. |
| |
JMP indiquera ensuite à PowerPoint comment configurer la mise en page. Une fois l'opération terminée, une ligne d'images sera ajoutée à chaque diapositive. |
| |
Ressemble à ça et |
| |
Ce script permet également de diviser vos diapositives en catégories. Ou peut-être qu'il existe un attribut principal dans vos données et que vous souhaitez commencer… une nouvelle diapositive. |
| |
Lorsque cet attribut change. Prenons par exemple le support et insérez-le dans les étiquettes de diapositives : les étiquettes seront créées en haut. C'est comme les titres. |
| |
Et cette petite présentation PowerPoint est également divisée en catégories. Ainsi, une nouvelle diapositive est créée à chaque modification de l'attribut de support. Si je fais simplement cela, |
| |
Il recommencera la même opération dans 10 à 20 secondes. Il les regroupera alors en différentes catégories. Vous aurez ainsi un joli tableau. |
| |
ensemble de diapositives, |
| |
Lesquels seront divisés. Par exemple, vous avez une lame pour le laiton, une lame pour le bronze, et il semble n'y avoir qu'un seul élément de cette lame. J'ai sélectionné ??? lignes dans les données, et il y aura de la céramique, etc. Cela sépare donc les lames. |
| |
Enfin, je vous montrerai que certains utilisateurs souhaitent parfois une mise en page un peu plus complexe. Par exemple, pour un modèle, ils voudront visualiser une image. |
| |
Ils veulent donc placer une grande image à gauche, et peut-être quelques autres à droite. On peut ainsi créer des modèles complexes. |
| |
En sélectionnant une mise en page différente, et cela se fait par scripts. J'ai donc une mise en page de grande taille vers petite taille. Il y aura une grande image à gauche et deux petites images empilées à droite. Donc, si vous faites simplement ceci |
| |
il ira faire la même chose, mais maintenant ce sera une mise en page différente. |
| |
Je lui donnerai 10 à 20 secondes pour créer les diapositives. |
| |
Voilà. Une grande image à gauche et deux petites à droite. |
| |
Et la dernière chose que je vais vous montrer concerne la personnalisation de l'outil. Nous allons le publier dans le cadre d'un grand module complémentaire qui gère toutes ces manipulations d'images. Donc, si je l'ouvre très rapidement, |
| |
Ceci est donc personnalisable par l'utilisateur, qui peut ainsi modifier automatiquement le type de colonnes à attribuer aux rôles. |
| |
Les utilisateurs peuvent personnaliser leur apparence. Enfin, je mentionnerai les modèles spécialisés. Ces modèles |
| |
Je viens de présenter une approche, du plus grand au plus petit, créée par des scripts externes à l'outil. Nous en fournirons donc deux. L'idée est que, si l'utilisateur est suffisamment expérimenté, il puisse développer. |
| |
son propre modèle et le mettre dans l'outil et l'outil le reconnaîtra, ou le développeur peut développer de plus en plus de modèles |
| |
Spécifique à un client ou un utilisateur particulier. Ceci fera partie du module complémentaire que nous allons publier. C'est tout ce que j'ai. Heidi peut le reprendre. |
| Heidi Hardner |
D'accord, d'accord. |
| |
Désolé pour ça. Je suis de retour et |
| |
Nous examinons maintenant un ensemble de données différent : ces images astronomiques de Shed of Science. |
| |
Et comme annoncé, ces images sont plus… des images métrologiques, et vous observez un morceau du ciel nocturne ici dans cette toute petite image. Et même dans cette taille et cette portée très réduites, |
| |
On peut voir du mouvement. Et on peut voir des choses anormales, comme ici, quand quelque chose apparaît. |
| |
C'est en partie ce que je voulais souligner lorsque j'ai examiné Classify pour mon projet d'apprentissage automatique. J'ai des images qui se ressemblent beaucoup. Il est très facile de faire défiler les images et de voir une anomalie comme celle-ci. |
| |
Mais je vais en fait faire une démonstration plus graphique, en agrandissant le tout et en le faisant défiler à nouveau. Alors, laissez-moi faire un bref retour. |
| |
Décrivez ce que nous allons voir. Voici une représentation de l'intensité du blanc sur ces images en fonction du temps. Elles sont donc classées par ordre chronologique lorsque nous les parcourons. |
| |
Et une chose que vous ne verrez pas, qui n’est pas très visible à l’œil nu, c’est cette grande et lente tendance ici dans l’intensité. |
| |
Nous allons utiliser les étiquettes. Vous pouvez voir ici encore comment elles permettent de voir si l'intensité est très élevée. C'est parce qu'il y a une traînée sur les expositions de 60 secondes, quelque chose qui passe dans ces images. On peut aussi voir à travers les bosses dans les données. Et c'est là que vous voyez le |
| |
Le télescope a dérivé, une partie de l'arrière-plan bouge et se réinitialise. Voyez-le en faisant défiler l'image. Juste un petit aperçu. |
| |
Je vais montrer comment agrandir cela de manière beaucoup plus grande afin que même à l'intérieur du tableau de données, nous puissions voir une vue assez grande des images, juste un peu plus grande. |
| |
Et revenons au commencement du temps. Je veux que vous observiez cet endroit, cet objet pendant que nous parcourons les données. |
| |
Et j'espère que ce que nous voyons se déplace vers la gauche, par rapport aux étoiles en arrière-plan. Il s'agit d'un astéroïde, 2171 Kiev. |
| |
Autrement dit, nous constatons que ces images métrologiques étaient bien intentionnées. Nous proposons donc une démonstration graphique montrant que, dans certaines circonstances, le simple défilement des images dans le tableau peut être utile. |
| |
Annotation de table d'images. Ceci est utile dans le cas inverse, où vous souhaitez simplement examiner les images une par une. |
| |
Ce qui se passe lorsque vous cliquez dessus, c'est que, encore une fois, vous avez le choix d'utiliser le chemin ou les images intégrées. |
| |
Vous avez la possibilité d'avoir une sorte d'identifiant dans lequel nous mettons la date ici ou cela vous donnerait simplement un numéro de ligne et vous pouvez avoir un autre attribut, mettons le télescope ici, |
| |
sur les données. Cela crée un petit outil de balisage qui vous permettra |
| |
Faire quelques classifications génériques. Celle-ci est à trois, je pourrais ajouter quelque chose. Un commentaire sur les données. |
| |
J'ai aussi un réticule, ce qui me permet de prendre des mesures. Il mesure en pixels sur l'image et déplace le réticule pour enregistrer les positions et les |
| |
Delta et pixels lorsque je clique sur Enregistrer. Avant de commencer, sachez qu'il existe de nombreuses façons de baliser les images commerciales. |
| |
outils, une partie de la motivation pour faire cela dans JMP est, encore une fois, que vous avez, avec l'image, toutes ces autres données dans le tableau. |
| |
Ici, c'est simplement représenté par cette colonne. Mais là encore, c'est un élément personnalisable. Dans ma version personnelle, je regarde des images. |
| |
J'imprime ici, dans cette vue, une petite carte de l'emplacement de la tête sur la plaquette, ou d'autres données. Ou peut-être que la recette de l'image indiquait les dimensions que je peux vérifier. |
| |
Est-il possible de joindre une image à des éléments ? Lorsque nous cliquons sur « Enregistrer », nous allons à droite. Nous voyons comment ajouter des colonnes. |
| |
(Les colonnes sont si hautes, réduisons-les un peu.) |
| |
Vous pouvez voir ici, à la ligne 3, et enregistré. Non, je ne veux pas déplacer le réticule blanc. J'obtiens donc une distance verticale, et les positions du réticule, ainsi que mes commentaires et classifications, sont bloqués dans le tableau, sur la bonne ligne. |
| |
On voit également ici une autre colonne d'images. C'est ici que j'ai placé des images qui sont des tracés JMP. Les tracés JMP peuvent être des images. |
| |
Dans la table de données que nous partageons, j'ai intégré du code. Vous le voyez ici, qui crée ces images et qui utilise le message « get pixels » pour les images que nous avons. |
| |
En obtenant une matrice de données, en découpant une tranche le long du déplacement de l'astéroïde et en calculant la moyenne de l'intensité, vous pouvez la feuilleter et voir |
| |
Le pic se déplace sur ces images. Mais le véritable objectif était, pour moi, de le mentionner. |
| |
Certains de nos cas d'utilisation que nous avons chez Seagate tout le temps où nous aurons une ligne de données pour une tête et quelles valeurs il y a, comme une fréquence de crête qui provient d'un spectre entier ou une valeur optimale qui provient d'un balayage d'optimisation, etc. |
| |
Ces balayages pourraient en réalité devenir des images dans les données. Et bien sûr, il existe de bonnes raisons pour lesquelles nous effectuons ce type d'extraction de caractéristiques sur des images ou des courbes complexes. |
| |
Les valeurs simples comme la fréquence peuvent être utilisées plus directement dans une variété d'analyses JMP comme |
| |
Les plates-formes statistiques de JMP, mais j'espère que nous avons tous deux démontré qu'il existe de nombreuses choses utiles que vous pourriez faire si vous intégrez les images dans le tableau par rapport à un ensemble d'autres colonnes de données. |
| |
En particulier, vous savez, j'espère que peut-être en voyant les intrigues comme des images, vous repensez immédiatement à la démonstration PowerPoint de Serkay et les intrigues sont des sortes de choses à organiser dans un PowerPoint de certaines manières. |
| |
Quoi qu'il en soit, j'espère que les différents éléments de JSL que nous avons partagés vous seront utiles et que vous vous sentirez inspirés pour développer vos propres images. Merci. |
