Bienvenido a el Sin Python Pitón Integración para JMP presentado por Murata Finlandia. Mi nombre es Felipe O'Leary. Dentro de poco acerca de Murata, nosotros son a global líder en el diseño, fabricar, y suministrar de avanzado electrónico materiales, principal- borde electrónico componentes, y multifuncional alto- densidad módulos. Murata innovaciones poder ser encontró en a ancho rango de aplicaciones a través de móvil teléfonos a hogar accesorios, como Bueno como de automotor aplicaciones a energía gestión sistemas y salud cuidado dispositivos.
Nosotros son a global compañía, y como de Marzo 2022, allá era aproximadamente 77.5 mil empleados mundial, justo bajo 1.000 en Finlandia, dónde nosotros son situado. Nuestro producto línea arriba aquí en Finlandia incluir acelerómetros, inclinómetros, giroscopios, y aceleración y presión sensores. Nuestro principal mercados son el automotor, industrial, cuidado de la salud, y médico.
Hoy, nosotros tener dos presentadores, mí mismo, Felipe O'Leary y mi colega, Jarmo Hirvonen . Yo tengo estado laboral en el ASIC y MEMS industria para encima 40 años, 32 de cual tener estado aquí en Maratha. Yo tengo tenía varios roles aquí y tener venir a agradecer el importancia de datos dentro fabricación. Mayoría reciente años tener estado dedicado a secundario el organización llevar beneficio de el vasto cantidad de datos encontró de dentro fabricación. I actualmente dirigir Murata's datos integración equipo.
Jarmo, tal vez tú lo harías como a dar a pocos palabras en su fondo.
Sí, seguro.
Hola, Soy Jarmo Hirvonen y I trabajar en Philips equipo como a datos integración y datos ciencia especialista. I tener estado usando JMP para cuatro y a medio años, aproximadamente el mismo tiempo eso I tener estado laboral en Murata. Soy a ser- aprendió programador. I tener estado estudiando ambos programación además a pareja de básico cursos en universidad.
En mi posición, I hacer a lote de JSL secuencias de comandos. I escribir añadiendo guiones, informes, automatización, básicamente casi todo tú poder guion con JSL. Si él corsé principalmente adentro JMP. Soy activo JMP comunidad miembro. Soy también a súper usuario allá. B porque pendiente a mi fondo con el JSL guiones, Soy también gobierno comité miembro en el comunidad guionistas club. I tener también escrito, I pensar en el momento nueve agregar- ins eso tener estado publicado a JMP comunidad. Sentir gratis y intentar a ellos afuera si tú son interesado en eso. Agradecer tú.
Agradecer tú, Jarmo. Este es el describir para el presentación eso nosotros tener para tú hoy. Como este sesión tiene estado grabado, I voluntad no leer a través de el describir como tú poder hacer entonces vosotros después. Por qué hacer tú tener el necesidad para a JMP Pitón ¿integración? Bien, básicamente, nosotros son muy feliz con el actuación y el uso nosotros tener de JMP. Él no requerir cualquier programación para el básico uso, y nosotros ver este como a grande ventaja. JMP visualización y interactivo capacidades son excelente. T él mayoría de gente amaestrado análisis en Murata en Finlandia son ya usando JMP. W e tener a grande grupo de gente a lo largo de el organización usando JMP, y nosotros desear a mantener eso.
Sin embargo, en el Pitón lado, nosotros ver eso Pitón tiene poderoso algoritmos eso son no todavía disponible en JMP. Nosotros ya tener gente laboral con Pitón en varios diferente aplicaciones, y nosotros tener modelos dentro Pitón. Nosotros desear a apoyo estos gente y también ayuda otros entender y llevar ventaja de el Pitón mundo. B básicamente, nosotros desear a llevar ventaja de el ancho usar de JMP aquí en IMF y oferta JMP usuarios acceso a alguno común Pitón capacidades sin el necesidad para ellos mismos a programa.
Enfermo continuar aquí. Compartir. JMP ya tiene Pitón Integración, pero por qué nosotros son no usando ¿eso? Básicamente, allá son dos grupos de razones, JMP y a nosotros o nuestro equipo. Mi experiencia acerca de JMP son de JMP 15 en este caso. JMP actualizar en el menos una vez en bancarrota este integración y él causado bastante a pocos asuntos para a nosotros porque nosotros no pude usar el Pitón JMP guiones ya no a menos que nosotros modificado a ellos bastante fuertemente. Conseguir JMP a reconocer diferente Pitón instalaciones y bibliotecas tiene estado bastante difícil, especialmente si tú son intentando a trabajar en múltiple diferente instalaciones o computadoras.
También, JMP no, en el menos eso entonces apoyo virtual entornos eso son básicamente necesario para a nosotros. Entonces nuestro equipo lado, nosotros no tener lleno control de Pitón versiones eso JMP usuarios son usando o el bibliotecas y paquetes ellos son usando. Porque no todos es usando JMP como el principal herramienta. Ellos podría ser usando Pitón y ellos tener alguno versiones eso no trabajar con JMP y nosotros no desear a desorden con aquellos instalaciones. También, en alguno casos, nosotros podría ser correr Pitón o biblioteca versiones con JMP no apoyo todavía, o tal vez él no apoyo viejo versiones ya no.
Qué es nuestro actual solución para este Pitón JMP o JMP Pitón ¿Integración? Nosotros son básicamente hospedaje Pitón servidor usando a web estructura. Nosotros poder crear puntos finales a eso servidor, cual son básicamente, detrás a ellos, allá son diferente algoritmos. Nosotros comunicar con Descansar API entre JMP y el servidor. Este es el más grande beneficio. Este prueba nosotros poder usar JMP con el servidor, pero nosotros también tener a pareja de adicional beneficios. Nosotros poder tener centralizado computación fuerza para intensivo modelos. Para ejemplo, nosotros no tener a confiar en el computadora portátil a llevar a cabo alguno pesado modelo cálculos. El servidor es no justo limitado a JMP. Nosotros poder también llamar el puntos finales de Pitón o para ejemplo, R. Nosotros son no dependiente en el JMP apoyado Pitón y biblioteca versiones ya no. Nosotros poder básicamente usar lo que nosotros desear a.
Próximo, I voluntad ir a pequeño poco lejos de el PowerPoint a saltar y espectáculo a pequeño poco de el usuario interfaz. Primero, I voluntad explicar alguno terminología cual podría aparecer aquí y allá en este presentación. W e tener puntos finales, básicamente, este camino aquí es puntos finales. Estos venir directamente de el servidor. Entonces nosotros tener métodos. Es el último parte de el punto final, DSME y XT aumentar en estos dos aquí.
Entonces nosotros tener parámetros, este columna, y este es básicamente el entradas eso nosotros voluntad enviar a el servidor. Entonces nosotros tener qué I llamar pila o nosotros llamar pila. Es el recopilación de pila elementos. O es fila es el pila artículo eso nosotros poder enviar uno después otro a el servidor. Rápidamente saltar aquí. W tiene características nosotros ¿tener? Nosotros tener fácil a agregar nuevo puntos finales. Básicamente, nosotros escribir en el fin punto a el Pitón servidor, nosotros construido el servidor, nosotros corrió el JMP agregar- en, y este lista voluntad conseguir actualizado. Este añadiendo apoyo dinámica datos mesa lista. I f I cambiar el mesa aquí, él voluntad actualizar aquí. También, si nuevo mesa es abierto, el otro pantalla, pero él no realmente importa. Tú poder ver él aquí, el sin título3 árbol era abierto.
Entonces nosotros poder enviar datos directamente de aquí a el servidor, pero ellos son prensado múltiple diferente opciones para envío. I poder enviar estos trozos escogidos eso I tenía aquí básicamente inmediatamente. I voluntad espectáculo el resultados aquí. Después conseguir el datos atrás, nosotros unirse él. Estos son de el servidor. Nosotros unirse el datos a el original datos mesa nosotros tenía y entonces nosotros tener alguno metadatos nosotros poder conseguir de el servidor entre el de el comunicación. Notas, columna, propiedades narración qué método y parámetros eran usado a conseguir estos dos columnas. Entonces nosotros grupo ellos yo yo tener correr múltiple modelos o métodos, es más fácil a ver cual son de cual corre.
Entonces nosotros tener mesa guiones cual son también agrupados. Este es diferente pantalla, Vamos mover a ellos alrededor. Nosotros tener pila. Qué era ¿enviado? HTTP respuesta de el enviado eso llega de el servidor. Entonces en este caso, nosotros también recibir de el punto final un imagen. En este caso, es a dispersión trama de el t-SNE componentes. I dicho ya más temprano, nosotros poder enviar múltiple elementos de el pila uno después cada otro. Tú poder construir, Vamos decir, Central hidroeléctrica escanear con diferente aporte parámetros usado en el, Vamos decir, 20 aquí y entonces 20 a 40, agregar a ellos a pila y justo enviar a ellos allá y venir atrás cuando ellos son hecho y tú poder comenzar comparando si allá son alguno diferencia entre aquellos.
T gallina puntos finales tener instrucciones cómo a usar a ellos. Documentación enlace, si nosotros tener uno corto descripción, en este caso, muy corto descripción de el punto final, y entonces qué cada de el parámetros hacer. Mínimo valores, máximo valores, por defecto valores, y descripciones de aquellos.
Entonces nosotros también tener usuario gestión. En este caso, Soy registrado en como a súper usuario, entonces I poder ver estos dos aquí experimental puntos finales eso básico usuario quería no ser capaz a incluso ver. Entonces atrás a PowerPoint. Este puede ser a parcial implementación, parcialmente cómo el añadiendo obras. Cuando el usuario corre el añadiendo, el JMP voluntad silbido el servidor, y si el servidor es arriba y correr, JMP voluntad enviar nuevo pedido para el JSON eso nosotros voluntad usar a construir el interfaz. El JSON es aprobado y entonces el interfaz es construido y él es usando JMP- tipo clases eso I voluntad espectáculo a poco más tarde. C boca clase es creado en JMP.
A t este punto, usuarios poder comenzar usando el usuario interfaz. Usuario rellenos el trozos escogidos, parámetros, datos mesas, y semejante, y entonces envía el artículo de el pila. Nosotros voluntad conseguir el columnas basado en el entradas, conseguir el fecha eso nosotros necesidad y convertir eso datos a Formato JSON. En este caso, I llamar él columna JSON porque Hay a demostración. Básicamente, normal JSON quería siempre tener el columna nombre duplicado. Cada fila voluntad tener todo el columna nombres aquí. I n este caso, nosotros voluntad tener columna nombre solo una vez y entonces lista de valores. Este marcas el objeto nosotros enviar mucho menor.
Antes nosotros enviar el datos, nosotros voluntad silbido el servidor de nuevo. Este es hecho porque nosotros tener diferente tiempos de espera para silbido y el pedido. De lo contrario, JMP voluntad cerrar abajo para a largo tiempo si el servidor es no correr y nosotros son usando dos minutos se acabó el tiempo, para ejemplo. T gallina cuando el servidor obtiene el datos, él voluntad correr el análisis, devolver el análisis resultados, y nosotros unirse a ellos atrás mesa en el metadatos mesa guiones y entonces en. A t este punto, usuarios poder comenzar a continuar usando JMP, enviar más elementos de el pila, o tal vez incluso JMP a gráfico constructor y comenzar analizando el datos eso él o ella obtiene atrás de el servidor.
T su es el JMP- tipo clases. W e tener diferente clases para diferente tipo de datos nosotros conseguir de el servidor. Nosotros tener booleanos. I n JMP, este es caja columnas, enumeradores, este quería ser combinación caja tipo número, Tipos anillo, y no implementar eso. Este es básicamente usado a controlar eso el servidor es correctamente configurado. Este es a rápido demostración de uno de aquellos Tipo Columna.
En servidor lado, él tiene estado configurado como este. Cuando nosotros pedido el JSON, él voluntad mirar más como este. Entonces este tipo columna clase voluntad convertir él en un objeto eso voluntad mirar en el usuario interfaz como este. De aquí tú poder ver eso para ejemplo, mínimo elementos es uno. Es el mismo como mínimo aquí. Máximo elementos, mismo cosa. Entonces modelado tipos tener también estado definido aquí. Nosotros poder límite mínimo, máximo valores, y entonces en basado en el esquema nosotros recibir de el servidor. A todos de estos son hecho por el costumbre JMP clases. T su es enumerador, alguno opciones, entonces número cajas, y aquí es el booleano. N Ay, Phil, Bueno continuar con el pareja de manifestaciones de el Púeb interfaz.
Gracias, J gracia. Todo demostración es hecho hoy voluntad ser realizado usando estándar JMP dieciséis. Allá son tres manifestaciones Identificación como a ir a través de, cada teniendo a diferente tarea en mente. El primero uno, Enfermo justo abierto el datos colocar. Este es a datos colocar cual contiene sonda o prueba datos de cinco diferente productos. Es a bastante pequeño datos mesa justo a asegurar eso nosotros no conseguir atrapó para tiempo.
W e tener 29 sonda parámetros para cinco productos dentro el mismo producto familia. T él tarea en mano es a intentar a determinar rápidamente, hacer nosotros tener anomalías o hacer nosotros tener oportunidades para mejora. Mirando simultáneamente en estos cinco diferente productos, 29 diferente parámetros, semejante eso nosotros podría identificar algo eso podría ayuda reducir riesgo o algo eso tal vez podría reducir costo y mejorar producir.
O es posible forma a hacer este, de curso, quería ser el uno factor en a tiempo por lo cual nosotros quería justo a mano marzo a través de todo el diferente datos, todo el diferente parámetros y mirar para patrones. Muy ineficiente para 29 parámetros, es bueno, pero alguno de nuestro productos tener miles de parámetros, entonces es no el mejor forma a acercarse el tarea en mano.
Otro posibilidad quería ser a llevar todo de estos parámetros y a poner a ellos a través de alguno agrupamiento algoritmo a ver, podría nosotros encontrar grupos naturalmente de el datos eso nosotros ¿tener? I desear a usar el JMP- PyAPI interfaz eso nosotros tener aquí. Jarmo ya explicado brevemente cómo estos trabajar, pero I voluntad demostrar él.
T él intención eso I tener ahora es a hacer a HDBSCAN . Soy yendo a hacer el escanear en todo el sonda parámetros. Soy yendo a usar el por defecto ajustes. Por defecto ajustes son típicamente ya bastante bien. Y Soy yendo a enviar este... Soy no yendo a hacer a grande pila. Soy yendo a enviar este configuración derecho para análisis. W e poder ver bastante rápidamente, el algoritmo vino atrás y sugerido eso I tener a grupo. Allá son de hecho tres grupos y uno agrupamiento de obleas cual hacer no, en hecho, pertenecer a cualquier de el racimos. Conocimiento eso I tener cinco productos, Soy yendo a ir con este para el beneficio de demostración. I poder ver de aquí a histograma de el número de obleas en cada grupo, pero él no en realidad dar a mí a bien visualización de qué yendo en.
Soy yendo a también hacer a dimensión- reducción procedimiento. I f I ir atrás en el mismo interfaz, y ahora Soy yendo a hacer a dientes rodilla dimensión reducción en el mismo parámetros y enviar él inmediatamente. Esperar para el dimensión reducción algoritmo a hacer es trabajo, y él voluntad devolver atrás dos componentes para dientes rodilla, uno y dos, contra cual entonces I poder de hecho visualizar el grupos eso el HDBSCAN dio a mí semejante eso si I ahora trama maestro 1, maestro 2, y color código a ellos en conformidad con el grupos eso tener ya estado identificado.
Como I dicho, nosotros tener tres grupos y uno agrupamiento de obleas cual no necesariamente pertenecer a a grupo. Tal vez un poco decepcionante conocimiento eso I tener cinco diferente productos. T Afortunadamente, I tener un indicador de el producto. Es aquí. I dicho, este es de hecho frustrante porque ahora I tener dos diferente productos ser agrupado como ser el mismo. I n actual hecho, este es el médico solicitud de el mismo automotor parte. I n hecho, el regiones son idéntico entonces a ellos ser en el mismo grupo es no a problema.
Este parte es bastante único. Es diferente a el otro productos en el mismo familia, semejante eso él consiguió es propio grupo con a pocos excepciones, entonces es bastante bien. T gallina el B2 y el B4 versiones básicamente tener el mismo diseño. W tiene Soy preocupado es eso el B4 tiene estado asignado a grupo 1 y también a lote de menos unos para obleas en el mismo producto tipo. Identificación como a más investigar qué este podría ser pendiente a entonces eso I tener con guión a el mesa, I desear a hacer a subconjunto de este TIPO DE SENSOR NR SA AB4, y entonces Soy yendo a trama el diferencias para cada parámetro por grupo menos uno y grupo uno.
H también nosotros ver el parámetros en pregunta, y el más grande diferencias son observado para Atar 1 y Atar 2. Soy no yendo a conseguir en el parámetros ellos mismos, pero justo satisfacer a decir eso alguno parámetro diferencias son más grande que otros. Ahora eso I saber eso estos existir, Identificación como a controlar al otro lado de todo el obleas en este subconjunto, cómo hace Atar 1 y Atar 2 de hecho ¿mirar? H también nosotros ver, en hecho, eso el unos cual tener estado asignado menos 1 son no pertenencia a el grupo sí mismo tener a mucho más alto valor de Atar 1. En hecho, este anomalía es a positivo cosa, porque el Atar valor, el más alto él es, el mejor. W e ver eso Hay bastante a grande grupo de obleas teniendo extremadamente más grande valores de Atar que qué nosotros quería típicamente ver.
T él próximo paso, de curso, quería ser entonces a hacer a puntos en común estudiar a cifra afuera cómo tiene este sucedió, dónde tener el obleas estado, qué tiene el proceso estado como, y mirar para un explicación. Bien, nosotros poder ver eso muy rápidamente, a multi producto, multi- parámetro evaluación de valores atípicos o anomalías poder ser muy rápidamente realizado usando este método. I voluntad ahora mover en a el segundo demostración.
Justo necesidad a abierto arriba otro archivo. T su solicitud es muy diferente. I es muy mucho intentando como... O de hecho, él es a recopilación de funcional datos. En hecho, allá son vínculo curvas, curvas cual ocurrir en nuestro anódico unión proceso cuando nosotros aplicar temperatura, presión, Voltaje al otro lado de a oblea pila a tener el oblea, el vaso y el silicio vínculo juntos. Si nosotros mirar en individual oblea curvas, nosotros poder ver eso cada oblea tiene a similar pero aún único curva asociado con él. Nosotros poder ver el unión proceso tiempo y el asociado actual.
T él tarea I quería como a... El meta I quería tener, si I justo eliminar el filtrar, I quería como a saber, sin teniendo a mirar a través de, en este caso, 352, pero nosotros quería tener miles de estos cada semana, cómo muchos diferente tipos de curvas hacer I de hecho tener en mi ¿proceso? T gallina atadura eso en con el final prueba datos, poder este curva ser usado a indicar a calidad nivel en el fin de el ¿línea?
En orden a hacer este, Soy yendo a dividir el datos colocar. N Ay I poner el tiempo eje al otro lado de el arriba y el actual a través de cada columna. El primero cosa eso I hacer después haciendo este terrible entonces es a de nuevo ir atrás a nuestro PyAPI interfaz y Soy yendo a mirar en Dividir Datos. W tiene I desear a hacer es a hacer a dimensión reducción porque tú poder ver eso I tener muchos, muchos columnas, y él quería ser mucho mejor eso I poder reducir el dimensión aquí.
A ganar, Soy yendo a hacer a enseñar- a mí análisis. Soy yendo a enviar él derecho a el servidor, y nosotros poder ver eso el algoritmo tiene venir atrás con dos componentes. I poder demostrar a ellos muy rápidamente qué ellos mirar como. T él 352 obleas cual eran representado por funcional datos, curva tipo datos a pocos minutos atrás son ahora representado usando a soltero punto para cada oblea.
Ahora, teniendo reducido el dimensión de el datos, Identificación como a llevar a cabo a grupo análisis próximo. A ganar, Enfermo ir atrás a mi AyAPI. Soy ahora yendo a hacer a HDBSCAN en el titanio componentes. I justo necesidad a controlar en este análisis qué quería ser a adecuado nivel. Si I enviar él inmediatamente, I conseguir, color código, el grupo, tú poder ver eso.
Ahora grupos tener estado asignado a el enséñame componentes. Este es el primero nivel análisis usando el enséñame, lo siento, usando el HDB valores predeterminados, I podría, de curso, intentar otro configuración. I podría tal vez correr, tal vez, si nosotros pensar afuera alto, 25 obleas, a lote de obleas, y medio- oblea lotes son cosas eso quería ser de interés a a mí, y mirar a ver qué quería este grupo ahora mirar como. N Ay todo de a repentino, I tener mucho más racimos. O f curso, él hace llevar alguno sujeto asunto pericia.
Tú necesidad a saber qué grupos tú quería esperar. En este caso, I dicho, bueno, a natural racional grupo para a nosotros dentro el fabricación quería ser a racimo de obleas, a lote de obleas, obleas son al corriente en 25 oblea lotes. S A veces nosotros tener a medio camino para lotes, cual nosotros hacer experimental corre en y entonces en y entonces adelante. N Ay nosotros poder ver eso nosotros tener grupos asociado con el diferente tipos de curvas. Soy yendo a acortar este demostración bastante que tú mirando a mí hacer se une y entonces en y entonces adelante. W tiene Soy yendo a hacer es Soy yendo a llevar de el original datos, Soy yendo a poner este grupo en el original datos. I es de curso, apertura en otro pantalla.
I f I hacer grupo superposiciones, nosotros poder ver... T su es el original datos dónde en primero I presentado tú cada individual oblea vínculo curva. Ahora nosotros poder ver eso nosotros eran capaz a identificar el distinto diferencias entre Siete grupos y uno grupo de obleas cual no pertenecer a cualquier particular ensayador. W e poder ver eso muy rápidamente, nosotros tenemos estado capaz a ir a través de grande números de obleas, determinar similitudes entre a ellos, y venir arriba con racimos.
Si tú traer este incluso uno paso más, nosotros poder llevar a mirar en el actual enséñame componentes, el de colores grupos, y tener a rápido mirar en qué hacer el actual contenido... W e poder ver este es grupo menos uno. Ellos aparentemente tener algo cual tiene a muy alto vínculo actual en el muy comienzo, grupo cero, muy alto vínculo actual en el fin. Y o poder ver eso si nosotros eran a gastar suficiente tiempo en este, tú quería ver lotes de semejanza entre vínculo curvas dentro cada grupo. A corto demostración en cómo a llevar funcional datos de cientos de obleas, grupo a ellos, y con a ellos el varios visualización técnicas dentro JMP, cómo a claramente identificar y presente entonces eso gente entender el diferente agrupaciones eso existir dentro el datos conjuntos.
Este concluye mi demostración número dos. I tener uno más demostración. Este es tal vez en alguno saludos, para alguno, tal vez a divertido demostración, entonces que ya no a llevar... De nuevo, es no a real oblea, pero Soy jugando con el idea eso I tener a silicio oblea y allá son alguno ruido. Este es a defecto disposición de un automatizado un inspección herramienta, este datos tiene estado simulado.
El objetivo de teniendo este simulación es a mirar para arañazos o patrones encontró de defecto datos disposición. Este es bastante fácil y directo si I no tener ruido. I poder ver eso Hay ruido asociado con este datos colocar. W tiene I desear a determinar es, poder I encontrar a forma a identificar estos tres espirales, arrogante eso ellos simular alguno rascar. En hecho, ellos son no muy similar a a rascar, excepto ellos son patrones teniendo alto- densidad defectos en a pequeño área. T sombrero el principal objetivo de usando él, bastante que demostración tú actual oblea automatizado visual inspección datos.
El idea es eso el tarea en mano es intentar a identificar el espirales de este datos colocar. Soy yendo a usar, de nuevo, a confianza anillo método. A ganar, él voluntad ser... El mesa I voluntad usar espiral datos con ruido. Como Jarmo puntiagudo afuera, nosotros poder correr porque si I no saber, obviamente puesta el número de obleas en aquí, 25 y 12 no ayuda a mí porque Soy mirando en a soltero oblea. T él números I poner en debería ser de alguna manera representante de cómo muchos defectos son típicamente visto dentro a rascar y qué son el menor muestra tamaños asociado con grupos y entonces en y entonces adelante, mínimo muestras.
Ser a completo principiante, I no saber. Soy yendo a poner en alguno números a jugar con. Veinticinco quería ser mínimo grupo tamaño con a mínimo muestra tamaño de cero. Agregar a pila, y entonces I decir, Bueno, Bueno, este es bastante barato a hacer entonces Soy yendo a agregar...
Estás desaparecido el columnas.
Oh, Lo siento. Agradecer tú. Este voluntad ayuda. Dejar a mí claro pila en mi entusiasmo a mover adelante. I hizo no incluir qué I debería tener. L Y a mí comenzar de nuevo. Agradecer tú.
Veinticinco mínimo grupo tamaño, mínimo muestra tamaño, agregar a pila. Cincuenta mínimo grupo, agregar a pila. Setenta y cinco. Soy permitiendo el arañazos a ser más grande y más grande. Agregar a pila, 100. Son no necesariamente más grande y más grande, pero ellos quería tener más y más defectos asociado con a ellos. Agregar a pila. Y entonces Soy yendo a agregar otro combinación de 75 también, agregar a pila. I podría justo llevar uno de estos y correr él. I podría seleccionar uno y correr, pero Soy no. Soy yendo a ser avaro. Soy yendo a correr el entero pila en el mismo tiempo.
Soy yendo a correr uno, dos, tres, cuatro, cinco grupo análisis contra el datos eso Yo tengo representado, Yo tengo tomado él de este oblea. I enviar el entero pila, y grupo, algo tiene salió mal. Todo mi grupos son demostración menos unos. Dejar a mí intentar este de nuevo. A hacer a largo historia corto, y también el hecho eso este está siendo grabado y nosotros no desear a comenzar de nuevo de el comienzo.
I saber eso en el fin, eso si I llevar este... Soy no seguro por qué este tiene desapareció, pero dejar a mí intentar él uno más tiempo. El mesa I necesidad es el ruido mesa. Soy tomando HDBSCAN INCÓGNITA, Y características, INCÓGNITA, Y, 20. Soy yendo a hacer a atajo, 75 y dos, enviar inmediatamente. Ahora, agradecidamente, I no saber si I tenía seleccionado incorrectamente último tiempo, el mesa o lo que sea. Ahora eso eran aquí, poner arriba a pocos pulgares, enviar él inmediatamente, y entonces en.
Como I dicho, nosotros podría tener correr bastante muchos. El idea entonces es a mirar entonces en el disposición y intentar a determinar. I s él con este particular configuración, descubrimiento bien grupos y es a menos ¿uno? I t dice, No, estás no descubrimiento cualquier cosa allá. T gallina si I color código por el otro grupos, él tiene en hecho encontró bastante Bueno lotes de agujas eso no pertenecer a cualquier grupo. T gallina tres individual espirales cual son muy Bueno identificado. Y o pensar, qué el beneficio de ¿este? Bien, ahora eso I saber qué típico rascar contenido aspecto como, entonces I podría en hecho, entonces abierto arriba otro oblea.
Si I abierto arriba datos de otro oblea, hacer el trama de el disposición, nosotros poder ver eso allá son No arañazos en este oblea, es solo ruido. W tiene quería suceder entonces si I correr el mismo ¿configuración? Mi oblea es otro oblea. Soy haciendo él en INCÓGNITA, Y. Soy mirando a determinar basado en mi mejor ajustes de cómo I debería ser capaz a encontrar arañazos 75 y dos, enviar inmediatamente y trama con racimos. Nosotros solo tener menos unos, entonces nada tiene estado detectado tiene estado a rascar.
H ahorrando este posibilidad a ser capaz a correr este algoritmo contra obleas en el base de datos, entonces I podría hacer a recopilación de obleas eso tener arañazos, no tener arañazos, o espirales en este caso, y entonces usar eso datos para un aporte a a puntos en común estudiar para intentar y determinar cual máquinas en el producción línea son próximo, son resultante en el arañazos en el obleas. Este concluye el tercero demostración. Ahora Enfermo mano él atrás a Jarmo.
Enfermo llevar eso. W e tener a pareja más diapositivas A la izquierda. Aquí es a pareja de ideas nosotros tener para posible futuro desarrollo usando Gama acercarse para el pila edificio, básicamente qué Felipe hizo por mano, pero usado GAMA, entonces I tenía medio máximo valores y entonces en, y entonces enviado eso entero pila. Entonces metadatos espectador, entonces tú poder comparar el resultados, intentar JMP 17 años nuevo múltiple HTTP solicitudes, local servidor, entonces nosotros no confiar en el servidor ser arriba. Intentar el nuevo con un poco de suerte actualizado nativo JMP Pitón Integración. Este quería permitir a nosotros a tener más rápido datos transferir, probablemente el más... W e podría comenzar pruebas con este solicitud, entonces intentar, para ejemplo, correr de gráfico constructor, nosotros podría desencadenar el funciones, combinatorio diferente puntos finales.
F Primero, nosotros podría aporte el datos de t-SNE basado en el aporte eso datos y entonces automáticamente grupo el t-SNE . T gallina, de curso, eran siempre añadiendo nuevo puntos finales si nosotros encontrar afuera qué nosotros desear a tener. Último deslizar es eso nosotros voluntad ser intercambio pequeño muestra de el código. Allá voluntad ser a JMP archivo con el JMP guion, Pitón guion, y instalación instrucciones allá. Y o poder intentar a ser bastante simple usuario interfaz cual voluntad enviar datos a local servidor y tú voluntad conseguir el datos atrás. Él también tiene alguno ideas en el instrucciones hoja eso tú poder intentar a implementar si estás interesado en intentando este acercarse para el JMP Pitón Integración. Eso es para a nosotros. Agradecer tú.
Agradecer tú también de a mí. Si tú necesidad a contacto a nosotros, tú poder hacer entonces a través de el comunidad.
