你好。
我的
姓名
是
纳杰梅
德赫加尼。
我是 a 数据 工程师 在 仲量联行
I 有 我的 掌握 程度 在分析领域 从 德克萨斯州 是。
我的 顶点项目 项目 是 在 询价 过程 优化
为了 预制件 金属 建筑物。
I 得到 到 知道 JMP 和 SAS 在 学校 在 德克萨斯州 是。
I 创立 a 精彩的 工具 到 做 分析
和 履行 分析 和 那。
但 实际上， 我的 顶点项目 项目 是 在 两个都 在 JMP 和 还 Python。
I 有 完毕 它 在 两个都。
基本上， 这 客观的 的 我的 项目 是 到 预测 这 重量
的 预制件 金属 建筑 经过 考虑 各种各样的 几何的
和 地理 要求。
我们开始吧 有 一个 介绍 到 这 金属 建筑物。
金属 建筑物， 基本上 预制件 金属 建筑物
是 结构 那 利用 钢 框架 到 支持 这 屋顶 和 墙 控制板。
我们 能 做 这 定制 在 他们 基于 在 这 顾客 要求。
他们 能 是 商业的 或者 住宅。
他们 有 一个 准确性 因为 他们 是 预制件
和 这 方面 是 精确的。
他们 有 灵活性。
我们 能 改变 这 设计 基于 在 这 顾客 需求
和 顾客 要求。
什么 确切地 在 这 项目 我们 有 到 做
是 那 估计 这 重量 到 预测 这 价格。
这 钢 结构 是 a 批判的 因素 在 这 金属 建筑 定价。
我们 想 到 看 如果 我们 能 预测 那 重量。
最终， 我们 能 预测 这 价格
和 最终， 我们 能 工作 在 这 询价 过程。
基本上， 我们来吧 拿 a 看 在 这 询价 过程。
什么 是 这 询价 过程 那 我们 想 到 优化
和 什么 是 确切地 他们的 当前的 系统 是 正在做。
作为 I 提及， 这 商业 挑战 在 手 在 这 项目
是 到 提升 这 询价 过程 为了 金属 建筑物
和 到 看 如果 我们 能 提升 这 回复 时间，
减少 这 服务器 成本，
和 缓解 这 丢失的 机会 为了 这 公司。
到 发送 出去 这 询价 到 他们的 客户，
基本上， 他们 是 去 到 选择 一些 过程， 一些 步骤。
他们 审查 这 查询 那 未来 到 这 公司， 指定 这 目的， 尺寸，
布局， 设计 要求 的 这 建筑。
他们 查看 全部 的 这 技术的 规格，
这 加载 容量， 屋顶 和 绝缘 和 其他 因素
到 准备 准确的 引号 那 覆盖 全部 的 这 材料， 劳动 和 成本 为了 他们，
计算 这 价格 和 发送 出去 这 询价 后退 到 这 顾客。
他们的 当前的 系统 那 加工 这 询价 为了 他们 基本上 是 喜欢 这。
他们 是 正确的 现在 拥有 三 服务器。
每个 服务器 是 加工 关于 480 询价 每 天。
这 时间 每个 询价 将要 拿 到 过程 是 关于 180 秒。
这 成本 每 询价 是 大约 75 分。
分割 全部 的 这些 一起，
我们 能 来 向上 和 a 数字 的 0.004美元 每 第二 到 过程 询价单。
到 考虑 480 每 天 每 服务器，
它是 去 到 是 360美元 每 天 到 过程 这 询价单。
他们 有 三 服务器。
完全， 它是 去 到 是 关于 1000美元 每 天 为了 全部 三 服务器
到 过程 这 询价单。
如果 我们 考虑 365 天 在 a 年， 它是 去 到 是 关于 40万美元 服务器
和 维护 成本 为了 这 公司 到 过程 全部 的 这 询价单。
基本上， 我们 想 到 看 如果 我们 能 提升 这 过程
为了 这 公司 经过 预测 这 重量 基于 的 这 历史 数据。
这 方法 I 有 用过的 在 这 项目
大概 基于 全部 的 这 机器 学习 项目 为了 预测。
它是 去 到 是 数据 收藏 和 预处理， 特征 工程
和 选择， 和 模型 选择。
我们开始吧 拿 a 看。
我们 开始 经过 定义 确切地 什么 是 这 商业 问题。
这 商业 问题 是 那 预测 这 重量 的 这 金属建筑。
这 数据 收藏 和 预处理 是 那
如何 I 处理 这 部分 是 那 关于 182 SQL 表格 是 假如 到 我
作为 a 部分 的 子集 的 历史 数据 从 这 制造商。
大约 500,000 记录 曾是 包括 在 那些 桌子，
更多的 比 500 特征， 我们 数据 仅有的。
I 有 执行 这 ETL 过程
和 打扫 我的 数据 放 美好的 异常 数据 在 SAS， Python 和 JMP
和 融合的 全部 的 我的 数据 在 一 桌子
和 这 帮助 的 这些 三 工具。
我的 下一个 步 曾是 到， 这 特征 选择 或者 萃取。
这 初步的 特征 选择， I 执行 它 开始 工业的 学习
和 还 获得 这 专业知识 判断 到 排除 这 特征
那 它 曾是 真的 无关 到 我们的 目标。
然后 I 开始 相关性 分析 到 检查 这 相关性
和 寻找 这 多重共线性 之间 我的 特征
到 排除 更多的 特征。
然后 描述性的 分析 和 可视化 到 查看 全部
的 这 关系 之间 我的 数据 作为 I 有 完毕 在 JMP， Python，
和 绘画。
这 下一个 步 为了 我 曾是 到 开始 计算 出去 或者 探索 这 模型，
这 算法 基于 在 这 特征 的 我的 数据。
作为 我的 数据 曾是， 我的 目标 是 一个 不可缺少的 目标，
所以 I 开始 到 看 进入 这 线性 回归 逐步地， 随机的 森林，
决定 树， 和 一些 其他 更多的 算法。
最终， I 受过训练 和 评价 不同的 模型 在 两个都 Python 和 JMP。
I 比较的 这 表现 指标 和 做过 这 叉 验证
和 k折 验证 为了 全部 的 我的 模型。
如果 我们 拿 a 看 在 这里 在 这 中间，
我们 能 看 这 模型 那 I 受过训练 我的 数据 在 它。
一些 的 他们 是 在 Python， 一些 的 他们 是 在 JMP。
到 比较 这 模型 到 看 哪个 一 是 这 最好的，
I 有 到 比较 这 模型 基于 在 这 ASE，
和 还 到 查看 哪个 模型 是 表演 更好的
和 还 查看 这 R平方 到 看 如何 关闭 我们的 预报，
我们的 预言 去 到 是 到 这 实际的 数据。
这 是 这 残余 阴谋 为了 全部 的 这 模型。
如果 你 去 后退 这里，
你 能 看 出去 的 全部 的 这 模型 那 I 有 跑步，
I 有 二 模型 那 是 这 最好的，
a 决定 树 在 Python 和 增强 树 在 JMP。
如果 我们 拿 a 看 在 两个都 的 他们， 我们 能 看 最多 的 这 特征
那 两个都 选定 是 这 相同的， 甚至 这 重要性 是 关闭 到 每个 其他。
寻找 在 这 ASE，
我们 能 看 这 ASE 为了 决定 树 是 关于 4,000,
但 为了 这 增强 树 是 关于 2,000, 哪个 是 很多 更多的 更好的。
还， R平方 为了 这 增强 树 是 a 小的 少量 更高。
这 残余物， 如果 我们 看 在 这 残差
从 两个都 软件， 我们 能 看 这 残余 是 真的 好的，
关闭 到 这 实际的 价值观 或者 从 Python 是 关闭 到 是 大约 零 价值观。
两个都 模型 是 真的 好的 和 它们是 预测 好的。
它 方法 那 我们 能 预测 这 重量
的 这 建筑 基于 的 这 历史 数据 那 我们 有。
我们开始吧 看 如何 它是 去 到 影响 这 商业 这里。
好的， 我们 有 a 好的 模型。 这 模型 是 表演 出色地。
我们开始吧 看 如果 这 商业 想 到 实施 这 模型，
什么 是 这 好处 为了 他们？
这 第一的 图表 我们 能 看 曾是 这 图表
那 I 已经 呈现 到 你 作为 他们的 当前的 系统。
我们 知道 他们 是 每个 服务器， 他们 有 三 服务器
和 每个 服务器 是 加工 480 询价 每 天
那 完全 它 成本 360美元 每 天 为了 每个 服务器。
考虑 那 我们 想 到 过程 这 相同的 数量 的 这 询价单 480.
但 在 这 时间， 和 实施 这 模型，
我们 能 降低 向下 这 过程 时间 到 一 第二
因为 这 模型 去 到 只是 即刻 跑步 和 给予 这 价格 到 我们。
考虑 这 成本 去 到 是 每 询价 去 到 是 这 相同的，
成本 每 第二 去 到 是 这 相同的， 只是 加工 时间 将要 是 一 第二
出去 的 180 秒。
这 全部的 成本 将要 降低 向下 到 2美元 每 天 每 服务器。
然后 他们 有 三 服务器， 它是 去 到 是 6美元。
如果 我们 考虑， 它是 去 到 是 365 天 每 年
那 全部 三 服务器 是 跑步， 它是 去 到 是 关于 2000美元。
比较 和 当前的 成本，
他们 是 付费 为了 这 服务器 和 加工 时间。
它是 几乎 99% 成本 保存 为了 这 商业 和 这 公司。
但 出奇， 这 是 不是 这 仅有的 成本 他们 能 节省。
这 其他 成本 他们 能 节省 是 或者 他们 能 带来 更多的 机会。
他们 是 丢失的 一些 机会。
正确的 现在， 他们 是 加工 480 询价单 每 天， 一 服务器。
但 如果 我们 降低 向下 这 加工 时间 到 一 第二，
他们 能 过程 80,000 询价单。
考虑 这 赢 速度 为了 他们 将要 是 4%。
正确的 现在， 这 全部的 数字 他们 能 赢 每 天 是 去 到 是 19.
但 和 实施 这 模型 因为 他们 是 加工 更多的 询价单
所以 他们 能 赢 更多的 和 他们 能 带来 更多的 机会。
实际上， 基本上 他们 是 丢失的 关于 3,000 机会 每 天。
大概 这 是 去 到 是 更多的 比 他们的 容量，
但 这 是 一 的 这 积分
那 他们 能 思考 关于 他们的 商业 发展。
这 是 我的 项目 关于 他们 可以 有 预测 a 好的 模型 和 最终
我们 能 看 它们是 去 到 是 a 巨大的 商业 影响 为了 这 公司。
我希望 你 享受 它 和 感谢 你 所以 很多 到 德克萨斯州 是
和 博士 琼斯 作为 我的 顶点项目 教练。
