El aprendizaje automático ha revolucionado la forma en que abordamos el análisis de datos y la toma de decisiones en diversos sectores. En esta presentación, nos centramos específicamente en su utilidad al integrarse con JMP Pro, una potente herramienta estadística y de visualización de datos. Destacamos varios casos de estudio reales (con datos anonimizados y modificados, solo para contextualizar) para mostrar cómo podemos desentrañar relaciones complejas dentro de conjuntos de datos, lo que conduce a una agrupación, segmentación y predicciones precisas. Las técnicas de aprendizaje automático en JMP y JMP Pro también permiten a los usuarios identificar y optimizar las variables más relevantes, mejorando el rendimiento y la interpretabilidad del modelo. Los principales métodos presentados en este artículo son:
- Redes neuronales para la predicción de múltiples respuestas y optimización de la deseabilidad.
- Árboles de regresión, llamados Partición en JMP, para comprender problemas de procesos complejos.
- Algunos modelos híbridos que utilizan métodos estadísticos estándar y aprendizaje automático para combinar los diferentes métodos.
- Explorador de datos funcionales sobre datos de sensores de la industria de alta tecnología para predicción.
También detallamos varias características de JMP Pro, incluida la comparación de modelos.
