| Lautsprecher |
Transkript |
| |
Herzlich willkommen allerseits. Mein Name ist |
| 00 |
07.933 |
| |
3 |
| |
Botschafter bei JMP. Ich bin jetzt ein |
| |
emeritierter Professor für Wirtschaftswissenschaften |
| 00 |
30.566 |
| |
7 |
| |
zwischen einem Schüler und einem |
| |
Professor arbeitet an einem Projekt. |
| 00 |
49.700 |
| |
11 |
| |
12 |
| |
Schüler in statistischen Prozessen einbinden |
| |
Argumentation, lehre das |
| 00 |
12.433 |
| |
16 |
| |
Dazu lautet die gegenwärtige Denkweise: |
| |
dass die Schüler lernen sollten |
| |
über reproduzierbare Arbeitsabläufe, |
| 00 |
36.266 |
| |
21 |
| |
elementare Datenverwaltung. Und |
| |
Statistiken erneut betrachten als |
| 00 |
58.800 |
| |
25 |
| |
26 |
| |
Ich wollte heute bei diesem Thema mitmachen. |
| |
Virtueller Anruf. Danke für die Teilnahme. |
| 00 |
20.600 |
| |
30 |
| |
und insbesondere in Manhattan. |
| |
und Sie hatten uns gefragt, also |
| 00 |
36.433 |
| |
34 |
| |
Und wir haben uns für Airbnb entschieden. |
| |
Mieterperspektive. Also wir sind |
| 00 |
51.733 |
| |
38 |
| |
teuer. |
| |
Also wir |
| |
begann auszufüllen...Sie haben uns |
| 00 |
09.166 |
| |
43 |
| |
44 |
| |
separates Problem, von Ihrem Hauptproblem |
| |
Schwerpunkt der Suche nach einem Platz in |
| 00 |
36.066 |
| |
49 |
| |
Du bekommst... wenn du das durchstehst |
| |
die ersten drei Fragen, die Sie beantwortet haben |
| 00 |
54.100 |
| |
53 |
| |
weißt du, gibt es einen Teil von |
| |
Sie interessieren sich für Manhattan? |
| 00 |
11.133 |
| |
58 |
| |
Repository, zu dem Sie uns weitergeleitet haben. |
| |
Und wir haben die wirkliche Datei heruntergeladen. |
| 00 |
26.433 |
| |
32,866 |
| |
63 |
| |
Das, was wir gefunden haben, war so etwas wie |
| |
vier Spalten in diesem Datensatz |
| 00 |
46.766 |
| |
67 |
| |
Ich habe es herausgefunden, also das war's. |
| |
erstens, die Nachbarschaft des Gastgebers. Also |
| 00 |
58.100 |
| |
71 |
| |
72 |
| |
fand heraus, dass die ersten beiden |
| |
Ich habe einfach Unmengen von kleinen, winzigen |
| 00 |
13.300 |
| |
76 |
| |
Manhattan. Also haben wir uns entschieden |
| |
Manhattan. Und dann, als wir hatten |
| 00 |
29.700 |
| |
80 |
| |
Und so kam es dann dazu |
| |
Unsere Angebote in Manhattan. Also. |
| 00 |
44.033 |
| |
84 |
| |
Die Datenlage ist, dass man auf diese stößt |
| |
Fragen wie: Warum gibt es vier? |
| 00 |
03.300 |
| |
88 |
| |
Ich beschränke es auf Manhattan, ich werde |
| |
Geh zurück und räum ein bisschen auf |
| 00 |
18.033 |
| |
92 |
| |
Daten werden alles beschreiben, was wir |
| |
Wir haben die Daten erhalten, darüber werden wir sprechen. |
| 00 |
28.400 |
| |
33.200 |
| |
97 |
| |
Ich weiß, ich soll kombinieren |
| |
sie basierend auf der Postleitzahl, |
| 00 |
47.166 |
| |
101 |
| |
102 |
| |
107 Spalten, |
| |
Es ist einfach schwer, das zu finden |
| 00 |
09.366 |
| |
106 |
| |
Deshalb wussten wir, dass wir sie reinigen mussten. |
| |
Das war's. Okay, wir hatten auch |
| 00 |
27.366 |
| |
111 |
| |
Notizbuch. Um |
| |
Das muss aufgeräumt werden, wir verwenden den Recode. |
| 00 |
45.500 |
| |
115 |
| |
Genau. Cool. |
| |
Okay, wir haben also aufgeräumt. |
| 00 |
02.200 |
| |
119 |
| |
Die Steuerdaten von Manhattan enthalten diese Postleitzahl. |
| |
Code. Ich habe also diese Postleitzahl. |
| 00 |
19.300 |
| |
123 |
| |
am Unterrichtstag, als wir sprachen |
| |
um |
| |
Datentypen. Und beachten Sie Folgendes: |
| 00 |
42.300 |
| |
128 |
| |
die... analysieren die Verteilung von |
| |
Diese Kolumne wird lustig sein |
| 00 |
03.200 |
| |
133 |
| |
Manhattan erzählt es nicht wirklich. |
| |
Du bist ein Ding. |
| |
Aber die Postleitzahl bereinigen die Daten in |
| 00 |
18.466 |
| |
23.266 |
| |
139 |
| |
nur ein Etikett, eine Kennung, und |
| |
Um es auf den Punkt zu bringen: |
| |
wenn Sie beitreten oder fusionieren möchten |
| 00 |
41.833 |
| |
48,766 |
| |
145 |
| |
wichtig. Es ist nicht nur ein |
| |
Abstrakte Idee. Man kann sie nicht zusammenführen |
| 00 |
03.166 |
| |
11.266 |
| |
150 |
| |
Nominal war der Modellierungstyp. |
| |
Wir haben uns gerade vergewissert. |
| 00 |
26.200 |
| |
31.033 |
| |
155 |
| |
Der Haupttisch ist der |
| |
Angebote. Ich möchte behalten |
| 00 |
45.533 |
| |
159 |
| |
um es mit der Manhattan-Steuer zu kombinieren |
| |
Daten. |
| |
Ja. Und dann? Dann müssen wir |
| 00 |
03.266 |
| |
164 |
| |
Teilen Sie ihm mit, dass die Spalte den Namen trägt. |
| |
Reißverschluss sauber, |
| |
Postleitzahl bereinigen... |
| |
Fast geschafft. Da haben wir's. |
| |
Und die Spalte mit der Bezeichnung „zip“, die |
| 00 |
33.200 |
| |
171 |
| |
172 |
| |
Airbnb-Inserat |
| |
und vergleiche es mit allem in |
| 00 |
57.033 |
| |
177 |
| |
178 |
| |
sie in jeder Zeile der Tabelle, ob |
| |
es passt zu dem anderen oder |
| 00 |
13.233 |
| |
182 |
| |
Haupttabelle, und dann nur noch das Zeug |
| |
das sich mit dem zweiten überschneidet |
| 00 |
29.600 |
| |
186 |
| |
ein anderer Name wie z. B. Air BnB IRS |
| |
Oder so? Ja, das ist eine Menge. |
| 00 |
50,966 |
| |
190 |
| |
Tu noch eine Sache |
| |
weil mir aufgefallen ist, dass diese einfach nur |
| |
Datentabellen verstreut |
| 00 |
06.666 |
| |
195 |
| |
Läuft. Okay. Also speichere ich das. |
| |
Datentabelle. Und nun? |
| |
Und das sind tatsächlich die Daten. |
| 00 |
19.833 |
| |
22.033 |
| |
26.266 |
| |
35.466 |
| |
203 |
| |
alles andere, bevor wir verlieren |
| |
Um zu verfolgen, wo wir uns befinden, lasst uns |
| 00 |
49,733 |
| |
58.800 |
| |
01.833 |
| |
209 |
| |
oder Oak Team? |
| |
Und dann |
| |
Teil der Projektidee |
| 00 |
23.700 |
| |
214 |
| |
Ding. Also, wenn du |
| |
Greif zu, würde ich sagen, nimm das |
| 00 |
50.100 |
| |
218 |
| |
219 |
| |
220 |
| |
zwei ursprüngliche Datensätze und dann |
| |
Meine endgültige Zusammenführung. Okay. |
| 00 |
16.200 |
| |
225 |
| |
sie als Tabs. |
| |
Und während Sie Diagramme generieren und |
| 00 |
36.566 |
| |
229 |
| |
230 |
| |
231 |
| |
selbst wenn ich es in diesen habe |
| |
Tabs. Okay, das ist echt cool. |
| 00 |
58.833 |
| |
02.500 |
| |
236 |
| |
Okay, auf geht's, Team Eiche! |
| |
Hallo Dr. Carver, vielen Dank. |
| 00 |
19.233 |
| |
240 |
| |
Sie würden nur einen flüchtigen Blick auf einige davon werfen |
| |
diese Dinge, und lass mich wissen, ob |
| 00 |
32.300 |
| |
244 |
| |
Wir haben Graph Builder verwendet, um uns das anzusehen |
| |
der Preis pro Viertel. Und |
| 00 |
45.400 |
| |
248 |
| |
Es soll dadurch etwas einfacher werden |
| |
vergleichen wir sie miteinander. Also sozusagen. |
| 00 |
01.000 |
| |
252 |
| |
haben viel Erfahrung mit |
| |
New York City. Also planten wir |
| 00 |
18.166 |
| |
256 |
| |
vor der UNO stehen und |
| |
Mach ein Foto mit allen |
| 00 |
31.733 |
| |
260 |
| |
im Gramercy Park sagen oder |
| |
Murray Hill. |
| |
Wenn wir zurückblicken auf |
| 00 |
46.566 |
| |
265 |
| |
Wir dachten, wir sollten unser Angebot erweitern |
| |
Suche über diese Nachbarschaft hinaus nach |
| 00 |
58.766 |
| |
269 |
| |
270 |
| |
Ich habe einfach die Durchschnittswerte grafisch dargestellt. |
| |
waren für die Nachbarschaften gedacht, aber |
| 00 |
14.533 |
| |
274 |
| |
die Modellierung und die Modellierung der |
| |
Vorhersage. Wenn wir also könnten, |
| 00 |
30,766 |
| |
279 |
| |
Erwarteter Preis. Wir haben begonnen. |
| |
Wir erstellen ein Modell und was wir haben |
| 00 |
42.800 |
| |
283 |
| |
Faktoren. Und wenn wir dann Faktoren einsetzen. |
| |
diese Faktoren in nur ein |
| 00 |
58.833 |
| |
287 |
| |
mehr noch, einige der Passformstatistiken |
| |
Sie haben uns im Unterricht davon erzählt. |
| 00 |
15.466 |
| |
292 |
| |
aber meistens ist es eine Wolke um |
| |
diese Restlinie Null. Also |
| 00 |
30,766 |
| |
296 |
| |
das viel größer war als alle anderen |
| |
unsere anderen Modelle. Wir wissen also, dass wir |
| 00 |
45.800 |
| |
300 |
| |
Gründe, warum wir reale Daten verwenden. |
| |
Manchmal ist das Realität. Das ist |
| 00 |
58.266 |
| |
304 |
| |
Sie suchen? |
| |
Dies sind beispielsweise Restwerte. |
| 00 |
19.266 |
| |
309 |
| |
Das ist gut. Ah, cool. |
| |
Cool. Okay, dann suche ich mal. |
| 00 |
34,966 |
| |
313 |
| |
So beantworten wir diese Frage in gewisser Weise. |
| |
unsere wenigen wichtigen Fragen. Und |
| 00 |
47.300 |
| |
317 |
| |
war wirklich schwer zu reinigen |
| |
die Daten und um die Daten zusammenzuführen. |
| 00 |
57,866 |
| |
03.500 |
| |
322 |
| |
wollte demonstrieren, wie JMP |
| |
in Kombination mit einer realen Welt |
| 00 |
28.700 |
| |
327 |
| |
Nummer eins in einem realen Projekt, |
| |
Die Festlegung des Untersuchungsrahmens ist wichtig. Wir wollen |
| 00 |
47.600 |
| |
331 |
| |
Ich hoffe, ich kann dazu beitragen |
| |
zur Gruppe. Fallstrick Nummer zwei, |
| |
Es ist unerlässlich, die |
| 00 |
08.033 |
| |
336 |
| |
der Bereich der Datenverknüpfung |
| |
Kombination von Daten aus mehreren |
| 00 |
27.800 |
| |
341 |
| |
Neukodierung |
| |
und sicherzustellen, dass verlinkbar |
| 00 |
45.100 |
| |
345 |
| |
346 |
| |
Reproduzierbare Forschung ist unerlässlich. |
| |
insbesondere im Teamkontext |
| |
insbesondere für Projekte, die möglicherweise |
| 00 |
05.966 |
| |
351 |
| |
Gewohnheiten der Garantie |
| |
Reproduzierbarkeit. Und schließlich |
| |
Wir hoffen, dass Ihnen das in diesen auffällt |
| 00 |
32.633 |
| |
356 |
| |
bei der Berechnung und |
| |
Die Interpretation fällt durch die |
| 00 |
51.900 |
| |
360 |
