こんにちは。
私の
名前
は
ナジメ
デフガニ。
私は a データ エンジニア で JLL。
I 持っている 私の マスター 程度 分析において から テキサス 午前。
私の キャップストーン プロジェクト は で 見積依頼書 プロセス 最適化
のために プレエンジニアリング 金属 建物。
I 得る に 知る JMP そして SAS で 学校 で テキサス 午前。
I 設立 a 素晴らしい 道具 に する 分析
そして 実行する 分析 と それ。
しかし 実は、 私の キャップストーン プロジェクト は で 両方 で JMP そして また Python。
I 持っている 終わり それ で 両方。
基本的に、 の 客観的 の 私の プロジェクト は に 予測する の 重さ
の プレエンジニアリング 金属 建物 による 考慮する 様々な 幾何学的
そして 地理的 要件。
さあ 持っている 1 導入 に の 金属 建物。
金属 建物、 基本的に プレエンジニアリング 金属 建物
は 構造 それ 利用する 鋼鉄 フレーム に サポート の 屋根 そして 壁 パネル。
私たちは できる する の カスタマイズ の上 彼ら ベース の上 の 顧客の 要件。
彼らは できる なれ コマーシャル または 居住の。
彼らは 持っている 1 正確さ なぜなら 彼らは は プレエンジニアリング
そして の 寸法 は 正確な。
彼らは 持っている 柔軟性。
私たちは できる 変化 の デザイン ベース の上 の お客様 ニーズ
そして お客様 要件。
何 その通り の上 これ プロジェクト 私たちは 持っている に する
は それ 見積もり の 重さ に 予測する の 価格。
の 鋼鉄 構造 は a 致命的 要素 の上 の 金属 建物 価格設定。
私たちは 欲しい に 見る もし 私たちは できる 予測する それ 重さ。
最終的に、 私たちは できる 予測する の 価格
そして 最終的に、 私たちは できる 仕事 の上 の 見積依頼書 プロセス。
基本的に、 さあ 取る a 見て で の 見積依頼書 プロセス。
何 は の 見積依頼書 プロセス それ 私たちは 欲しい に 最適化する
そして 何 は その通り 彼らの 現在 システム は 実行中。
として I 言及された、 の 仕事 課題 の上 手 の上 これ プロジェクト
は に 改善する の 見積依頼書 プロセス のために 金属 建物
そして に 見る もし 私たちは できる 改善する の 応答 時間、
減らす の サーバ 料金、
そして 軽減する の ない 機会 のために の 会社。
に 送信 外 の 見積依頼書 に 彼らの クライアント、
基本的に、 彼らは は 行く に 選ぶ いくつかの プロセス、 いくつかの ステップ。
彼らは レビュー の お問い合わせ それ 来る に の 会社、 特定 の 目的、 サイズ、
レイアウト、 デザイン 要件 の の 建物。
彼らは チェック 全て の の テクニカル 仕様、
の 負荷 容量、 屋根材 そして 絶縁 そして 他の 要因
に 準備する 正確な 名言 それ カバー 全て の の 材料、 労働 そして 料金 のために 彼ら、
計算する の 価格 そして 送信 外 の 見積依頼書 戻る に の 顧客。
彼らの 現在 システム それ 処理 の 見積依頼書 のために 彼ら 基本的に は のように これ。
彼らは は 右 今 持っている 三つ サーバー。
それぞれ サーバ は 処理 について 480 見積依頼書 1回あたり 日。
の 時間 それぞれ 見積依頼書 意思 取る に プロセス は について 180 秒。
の 料金 1回あたり 見積依頼書 は 約 75 セント。
分割する 全て の これら 一緒に、
私たちは できる 来る 上 と a 番号 の 0.004ドル 1回あたり 2番 に プロセス 見積依頼書
に 考慮する 480 1回あたり 日 1回あたり サーバ、
その 行く に なれ 360ドル 1回あたり 日 に プロセス の 見積依頼書（RFQ）。
彼らは 持っている 三つ サーバー。
完全に、 その 行く に なれ について 1,000ドル 1回あたり 日 のために 全て 三つ サーバー
に プロセス の 見積依頼書（RFQ）。
もし 私たちは 考慮する 365 日 で a 年、 その 行く に なれ について 40万ドル サーバ
そして メンテナンス 料金 のために の 会社 に プロセス 全て の の 見積依頼書（RFQ）。
基本的に、 私たちは 欲しい に 見る もし 私たちは できる 改善する これ プロセス
のために の 会社 による 予測する の 重さ ベース の の 歴史的 データ。
の 方法 I 持っている 使用済み の上 これ プロジェクト
おそらく ベース 全て の の 機械 学ぶ プロジェクト のために 予測する。
その 行く に なれ データ コレクション そして 前処理、 特徴 エンジニアリング
そして 選択、 そして モデル 選択。
さあ 取る a 見て。
私たちは 開始 による 定義する その通り 何 は の 仕事 問題。
の 仕事 問題 は それ 予測する の 重さ の の 金属製の建物。
の データ コレクション そして 前処理 は それ
どうやって I ハンドル これ 一部 は それ について 182 SQL テーブル だった 提供された に 自分
として a 一部 の サブセット の 歴史的 データ から の 製造業者。
その周り 50万 記録 だった 含まれる で それらの テーブル、
もっと よりも 500 特徴、 私たち データ のみ。
I 持っている 実行 の ETL プロセス
そして クリーニング 私の データ セット 大丈夫 異常な データ で SAS、 Python そして JMP
そして 統合 全て の 私の データ で 1つ テーブル
と の ヘルプ の これら 三つ ツール。
私の 次 ステップ だった に、 の 特徴 選択 または 抽出。
の 予備 特徴 選択、 I 実行 それ 起動 工業 勉強
そして また 取得 の 専門知識 判定 に なくす の 特徴
それ それ だった 本当に 関係ない に 私たちの ターゲット。
それから I 開始 相関 分析 に 診る の 相関
そして 探す の 多重共線性 間 私の 特徴
に なくす もっと 特徴。
それから 記述的 分析 そして 視覚化 に チェック 全て
の の 関係 間 私の データ として I 持っている 終わり で JMP、 パイソン、
そして 絵画。
の 次 ステップ のために 自分 だった に 始める 計算する 外 または 探索中 の モデル、
の アルゴリズム ベース の上 の 特性 の 私の データ。
として 私の データ だった、 私の ターゲット は 1 積分 ターゲット、
それで I 開始 に 見て の中へ の リニア 回帰 段階的に、 ランダム 森、
決断 木、 そして いくつかの 他の もっと アルゴリズム。
最終的に、 I 訓練済み そして 評価する 違う モデル で 両方 Python そして JMP。
I 比較 の パフォーマンス 指標 そして した の クロス 検証
そして k分割交差検証 検証 のために 全て の 私の モデル。
もし 私たちは 取る a 見て で ここ で の 真ん中、
私たちは できる 見る の モデル それ I 訓練済み 私の データ の上 それ。
いくつかの の 彼ら は で パイソン、 いくつかの の 彼ら は で JMP。
に 比較する これ モデル に 見る どれの 1つ は の 最高、
I 持っていた に 比較する の モデル ベース の上 の ASE、
そして また に チェック どれの モデル は パフォーマンス より良い
そして また チェック の R二乗 に 見る どうやって 近い 私たちの 予報、
私たちの 予測 行く に なれ に の 実際の データ。
これ は の 残留物 プロット のために 全て の の モデル。
もし あなた 行く 戻る ここ、
あなた できる 見る 外 の 全て の の モデル それ I 持っていた 走る、
I 持っている 二 モデル それ は の 最高、
a 決断 木 で Python そして ブースト 木 で JMP。
もし 私たちは 取る a 見て で 両方 の 彼ら、 私たちは できる 見る ほとんど の の 特徴
それ 両方 選択済み は の 同じ、 平 の 重要性 は 近い に それぞれ 他の。
探しています で の ASE、
私たちは できる 見る の ASE のために 決断 木 は について 4,000、
しかし のために の ブースト 木 は について 2,000、 どれの は 多くの もっと より良い。
また、 R二乗 のために の ブースト 木 は a 少し 少し より高い。
の 残余、 もし 私たちは 見て で の 残差
から 両方 ソフトウェア、 私たちは できる 見る の 残留物 は 本当に 良い、
近い に の 実際の 価値観、 または から Python は 近い に は その周り ゼロ 価値観。
両方 モデル は 本当に 良い そして 彼らは 予測する 良い。
それ 手段 それ 私たちは できる 予測する の 重さ
の の 建物 ベース の これ 歴史的 データ それ 私たちは 持っている。
さあ 見る どうやって その 行く に インパクト の 仕事 ここ。
わかった、 私たちは 持っている a 良い モデル。 これ モデル は パフォーマンス 良い。
さあ 見る もし の 仕事 欲しい に 埋め込む これ モデル、
何 は の 利点 のために 彼ら？
の 初め チャート 私たちは できる 見る だった の チャート
それ I すでに 提示 に あなた として 彼らの 現在 システム。
私たちは 知る 彼らは は それぞれ サーバ、 彼らは 持っている 三つ サーバー
そして それぞれ サーバ は 処理 480 見積依頼書 1回あたり 日
それ 完全に それ 費用 360ドル 1回あたり 日 のために それぞれ サーバ。
考慮する それ 私たちは 欲しい に プロセス の 同じ 額 の の RFQ、 480.
しかし で これ 時間、 と 実施 の モデル、
私たちは できる より低い 下 の プロセス 時間 に 1つ 2番
なぜなら の モデル 行く に ただ すぐに ランニング そして 贈る の 価格 に 私たち。
考慮する の 料金 行く に なれ 1回あたり 見積依頼書 行く に なれ の 同じ、
料金 1回あたり 2番 行く に なれ の 同じ、 ただ 処理 時間 意思 なれ 1つ 2番
外 の 180 秒。
の 合計 料金 意思 より低い 下 に 2ドル 1回あたり 日 1回あたり サーバ。
それから 彼らは 持っている 三つ サーバー、 その 行く に なれ 6ドル。
もし 私たちは 考慮する、 その 行く に なれ 365 日 1回あたり 年
それ 全て 三つ サーバー は ランニング、 その 行く に なれ について 2,000ドル。
比較する と 現在 料金、
彼らは は 支払い のために の サーバ そして 処理 時間。
その ほとんど 99% 料金 貯蓄 のために の 仕事 そして の 会社。
しかし 驚くべきことに、 これ は ない の のみ 料金 彼らは できる 保存。
の 他の 料金 彼らは できる 保存 は または 彼らは できる 持ってくる もっと 機会。
彼らは は ない いくつかの 機会。
右 今、 彼らは は 処理 480 見積依頼書 1回あたり 日、 1つ サーバ。
しかし もし 私たちは より低い 下 の 処理 時間 に 1つ 2番、
彼らは できる プロセス 80,000 見積依頼書（RFQ）。
考慮する の 勝つ レート のために 彼ら 意思 なれ 4％。
右 今、 の 合計 番号 彼らは できる 勝つ 1回あたり 日 は 行く に なれ 19.
しかし と 実施 の モデル なぜなら 彼らは は 処理 もっと 見積依頼、
それで 彼らは できる 勝つ もっと そして 彼らは できる 持ってくる もっと 機会。
実は、 基本的に 彼らは は ない について 3,000 機会 1回あたり 日。
おそらく これ は 行く に なれ もっと よりも 彼らの 容量、
しかし これ は 1つ の の ポイント
それ 彼らは できる 考える について 彼らの 仕事 発達。
これ は 私の プロジェクト について 彼らは できた 持っている 予測する a 良い モデル そして 最終的に
私たちは できる 見る 彼らは 行く に なれ a 巨大な 仕事 インパクト のために の 会社。
願っています あなた 楽しむ それ そして 感謝 あなた それで 多くの に テキサス 午前
そして 博士 ジョーンズ として 私の キャップストーン コーチ。
