안녕하세요, 나는 크리스 Gotwalt와 함께 제이엠피, 그리고 나의 공동 증여자, 조셉 의 마르티노 ~에서 탑소 , 그리고 I ~이다 주는 것 a 프레젠테이션 저것 말한다 그만큼 이야기 ~의 a 데이터 분석 프로젝트 저것 쇼케이스 그만큼 새로운 잔물결 분석 ~에 그만큼 기능적 데이터 탐침, 하나 ~의 그만큼 최대 신나는 새로운 역량 ~에 제이엠피 17.
그만큼 사례 공부하다 시작하다 ~와 함께 a 제품 공식화 문제 어디 상의 당신은 원했다 에게 설계 a 촉매 저것 최적화합니다 둘 응답, 하지만 그만큼 응답 ~이다 ~에 갈등 ~와 함께 하나 또 다른 ~에 저것 개선 중 하나 응답 자주 온다 ~에 그만큼 비용 ~의 그만큼 다른.
A 후보자 ~을 위한 그만큼 최적의 트레이드오프 ~였다 설립하다 ~와 함께 모델 맞다 ~에 의해 그만큼 일반화된 회귀 플랫폼, 그리고 그만큼 최적의 요인 설정 ~이었다 설립하다 사용 중 그만큼 바람직함 기능 ~에 그만큼 프로파일러. 이것 ~였다 a 꽤 기준 암사슴 분석. 하지만 ~에 덧셈 에게 그만큼 정확히 잰 응답, 근적외선 스펙트럼 ~이었다 촬영됨 ~에서 일부, 하지만 ~ 아니다 모두 ~의 그만큼 견본 배치. 이것 ~이다 정보 저것 ~할 수 있다 BE 사용된 에게 주다 a 단서 에게 그만큼 연구개발 팀 ~에 대한 무엇 그만큼 화학적인 구조 ~의 그만큼 이상적인 공식화 ~해야 한다 바라보다 좋다.
~ 안에 덧셈 에게 그만큼 젠레그 모델 ~의 그만큼 응답, 우리 또한 사용된 잔물결 모델 ~처럼 그만큼 기초 기능 ~의 a 기능적인 암사슴 분석 ~의 그만큼 스펙트럼 사용 중 그만큼 암사슴 요인들 ~처럼 입력. 우리 ~이었다 그 다음에 할 수 있는 에게 얻다 a 인조 스펙트럼 ~의 그만큼 최적의 공식화 ~에 의해 플러깅 ~에 그만큼 최적의 요인 설정 설립하다 ~에 그만큼 초기의 분석 ~의 그만큼 둘 비판적인 응답.
전에 가고 있다 ~ 안으로 그만큼 프레젠테이션, I 원하다 에게 가리키다 밖으로 저것 ~에 그만큼 시작 ~의 그만큼 프로젝트, 조셉 ~였다 매우 새로운 에게 제이엠피 그리고 하지 않았다 가지다 a 배경 ~에 이것 유형 ~의 통계적 분석. 조셉 배웠다 모두 그 필요했다 에게 하다 그만큼 분석 ~에 그의 소유하다 ~ 후에 a 커플 ~의 편물 회의 ~와 함께 나.
이것 확실히 쇼 그는 a 영리한 남자, 하지만 또한 저것 제이엠피 만든다 학습 어떻게 에게 하다 일부 매우 정교한 데이터 분석 프로젝트 빠른 그리고 쉬운. 지금 나는 가고 있다 에게 손 그만큼 보여주다 ~ 위에 에게 조셉.
감사하다 너, 크리스. 여기 ~이다 일부 배경 ~에 대한 우리의 프로젝트. 그것은 a 촉매 개발 프로젝트. 그러므로, 우리 ~이다 개발 중 많은 다른 요리법. 각 레시피 가지다 a 고유한 세트 ~의 생산 매개변수, 그리고 한 번 그만큼 견본 ~이다 준비된, 우리 특징화하다 그것 ~에 우리의 분석 랩 ~에 탑소. 그리고 마지막으로, 우리 하다 a 성능 시험.
동안 그만큼 성능 시험, 우리 바라보다 ~을 위한 둘 가치 저것 여기 우리 부르다 응답 1 그리고 응답 2. ~ 안에 이것 특정한 사례, 우리 ~이다 견딜 수 없는 에게 최소화하다 응답 1 동안 극대화하다 응답 2. 저것 ~ 할 것이다 선두 우리를 에게 이것 이상적인 공간 ~에 그만큼 맨 위 왼쪽 모서리 ~의 그만큼 그래프. 하지만 ~처럼 너 ~할 수 있다 보다, 그만큼 55 샘플 저것 우리는 테스트됨 얻다 갇힌 ~에 그만큼 가운데 ~의 그만큼 그래프. 저것 ~이다 왜냐하면 응답 1 그리고 응답 2 ~이다 인터- 상관관계가 있는, 의미 저것 개선 중 하나 온다 ~와 함께 그만큼 경비 ~의 그만큼 다른.
그러므로, 우리 이동하다 에게 제이엠피, 그리고 우리 노력하다 에게 바라보다 ~에 우리의 응답 데이터 그리고 우리의 성격 묘사 데이터, 노력하다 에게 보다 만약에 우리 ~할 수 있다 이동하다 떨어져 있는 ~에서 이것 선 ~에 그만큼 가운데 ~의 그만큼 그래프. 우리 식별됨 둘 목표 지역 저것 우리 원하다 에게 도달하다, 그리고 함께 ~와 함께 크리스, 우리 생각 ~에 대한 사용 중 제이엠피 에게 만들다 a 모델 저것 ~일 것이다 연결하다 그만큼 생산 매개변수 에게 그만큼 응답 값. T 암탉 우리 더 나아가 보았다 ~ 안으로 우리의 적외선 분광학 데이터 에게 노력하다 에게 검증하다 우리의 모델 그리고 에게 얻다 일부 추가의 정보 ~에 대한 그만큼 목표 샘플.
여기 ~이다 한 개요 ~의 그만큼 데이터 세트. 우리 가지다 생산됨 112 샘플. 각 견본 가지다 a 고유한 세트 ~의 생산 매개변수. 우리 가지다 분석했다 모두 그만큼 샘플 사용 중 적외선 분광학. 우리 가지다 하나 스펙트럼 ~을 위한 각 견본.
그 다음에 우리 가지다 사용된 많은 다른 성격 묘사 기법 저것 우리 가지다 안에- 집 저것 계정 ~을 위한 21 더 기둥 ~의 데이터. 마지막으로, 우리 가지다 테스트됨 반 ~의 그만큼 샘플 그리고 저것 계정 ~을 위한 그만큼 마지막 둘 기둥 저것 우리 ~라고 불리는 응답.
~에 그만큼 시작 ~의 우리의 프로젝트, 우리 실제로 원했다 에게 포함하다 그만큼 적외선 분광학적 데이터 ~에 우리의 더 큰 데이터 세트, 그리고 그게 왜 우리 원했다 에게 사용 제이엠피, 왜냐하면 지금 우리 가지다 이것 새로운 잔물결 모델 가능성. 그리고 저것 ~일 것이다 ~할 수 있게 하다 우리를 에게 포함하다 그만큼 주요한 구성 요소 오는 ~에서 그만큼 잔물결 모델 ~에 우리의 데이터 세트. 그리고 우리 ~할 수 있었다 사용 저것 에게 만들다 모델 ~에 제이엠피 하지만 ~ 전에 우리 시작 우리의 분석, 우리 필요 에게 가지다 a 바라보다 ~에 그만큼 찬성 데이터 에게 찾다 이상치. 우리 하다 저것 ~에 의해 클릭 분석하다 그리고 그만큼 다변량 행동 양식, 다변량.
H 또한 우리 ~할 수 있다 선택하다 우리의 생산 매개변수 그리고 성격 묘사 데이터 ~처럼 Y 기둥, 그리고 우리 얻다 이것 산점도 행렬. 이것 ~이다 한 예 ~의 단지 찾고 ~에 그만큼 생산 매개변수 ~에 무엇 우리 ~일 것이다 식별하다 ~처럼 한 국외자. 우리 ~할 수 있다 보다 저것 거기 ~이다 a 세트 ~의 전철기 ~에 생산 매개변수 ~도 저것 ~이다 멀리 떨어져 있는 ~을 위한 모두 그만큼 다른 전철기. 뿐만 아니라, 우리 가지다 배경 지식 ~에 대한 이것들 샘플 저것 우리 알다 하지 않을 것이다 BE 최적의 ~을 위한 우리의 촉매 개발, 그래서 우리 결정했다 에게 오른쪽 딸깍 하는 소리 그리고 말하다 "열, 숨다 그리고 들어오지 못하게 하다."
우리 했다 이것 또한 ~와 함께 다른 전철기 찾고 ~에 그만큼 산점도 메트릭 ~의 모두 그만큼 성격 묘사 데이터. 지금 저것 우리 가지다 청소했다 위로 그만큼 데이터, 우리 ~할 수 있다 맞다 a 모델. 우리 딸깍 하는 소리 분석하다 그리고 맞다 모델, 그리고 우리 선택하다 그만큼 생산 매개변수 ~처럼 변수 ~에 우리의 모델. 우리 딸깍 하는 소리 매크로 그리고 응답 표면 에게 만들다 a 두번째 다항식 콤비네이션 ~의 이것들 변수. 그 다음에 우리 선택하다 우리의 응답 ~처럼 Y 가치.
그 다음에 우리 결정했다 에게 사용 일반화된 회귀. H 또한 크리스 ~할 수 있다 추가하다 일부 더 정보 ~에 대한 왜 우리 결정했다 에게 사용 이것 특정한 유형 ~의 모델.
우리 사용된 a 이차방정식 응답 표면 모델 왜냐하면 그만큼 설계 가졌다 삼 또는 더 수준 ~을 위한 각 요인, 그래서 I 알고 있었다 저것 우리 ~일 것이다 BE 할 수 있는 에게 맞다 곡률 자귀 만약에 필요한 그리고 또한 BE 할 수 있는 에게 맞다 상당히 a 다양성 ~의 다른 상호 작용 자귀. 우리 사용 그만큼 일반화된 회귀 플랫폼 왜냐하면 그것 하다 모델 선택 ~와 함께 비 가우시안 분포 좋다 그만큼 통나무 정상. ~ 안에 나의 의견, 거기 아니다 많은 이유 ~ 아니다 에게 사용 그만큼 일반화된 회귀 플랫폼 만약에 너 가지다 제이엠피 찬성 왜냐하면 그것 ~이다 그래서 쉬운 에게 사용 ~하는 동안 ~에 많은 방법 존재 그래서 많이 더 강한 ~을 위한 암사슴 분석 ~보다 그만큼 다른 옵션 ~에 제이엠피 그리고 제이엠피 찬성.
후에 저것, 우리 ~할 수 있다 선택하다 우리의 분포. 우리 알다 저것 그만큼 응답 ~이다 가고 있다 에게 BE 엄격하게 긍정적인, 그래서 우리 선택하다 그만큼 통나무 정상 분포 그리고 그 다음에 우리 딸깍 하는 소리 달리다, 그리고 우리 말하다 아니요.
~ 안에 이것 슬라이드, 우리 ~할 수 있다 보다 저것 우리 가지다 지금 생성됨 a 모델, 하지만 우리 가지다 또한 그만큼 가능성 ~의 창조하다 다른 유형 ~의 모델 사용 중 다른 견적 행동 양식. 우리 결정했다 에게 사용 최상의 하위 집합. 여기, 크리스 ~할 수 있다 추가하다 일부 더 단어 ~에 대한 그것.
잘, 그래서 여기 우리 사용 최상의 하위 집합 선택 왜냐하면 그만큼 가득한 모델 아니다 몹시 크기가 큰, 그래서 왜 ~ 아니다 노력하다 모든 가능한 하위 집합 ~의 저것 가득한 모델 그리고 찾다 그만큼 하나 저것 제공합니다 그만큼 순수한 최상의 트레이드오프 ~ 사이 정확성 그리고 모델 간단?
~에 그만큼 다른 손, 가졌다 거기 계속 ~ 이다 여덟 또는 더 요인들, I ~일 것이다 가지다 사용된 a 더 빠르게 연산 좋다 앞으로 선택 또는 가지치기 앞으로 선택 왜냐하면 ~와 함께 더 큰 베이스 모델, 그것 ~일 것이다 가져가다 a 매우 긴 시간 에게 맞다 모든 가능한 하위 모델 에게 그만큼 데이터. 이었다 가고 있다 에게 BE 사용 중 그만큼 AICC 모델 선택 기준 에게 비교하다 젠레그 모델.
그만큼 AICC 허용합니다 너 에게 비교하다 모델 ~와 함께 다른 효과 ~에 그들을 ~처럼 잘 ~처럼 다른 응답 분포. 와 함께 그만큼 AICc, 더 작은 가치 ~이다 더 나은 그리고 그만큼 규칙 ~의 무지 I 사용 ~이다 저것 만약에 a 모델 가지다 한 AICC 값 저것 ~이다 이내에 4 ~의 그만큼 가장 작은 AICC 값 본, 그 다음에 저것들 둘 모델 ~이다 거의 동일한 ~에 품질 ~의 맞다.
만약에 그만큼 둘 모델 가지다 AICC 가치 이내에 10 ~의 각 다른, 그 다음에 그들 ~이다 통계적으로 비슷한 에게 하나 또 다른. 그만큼 기본 가리키다 여기 존재 저것 만약에 우리 가지다 둘 모델 그리고 그들의 AICc의 다르다 ~에 의해 더 ~보다 10, 그 다음에 그만큼 데이터 ~이다 예쁜 강하게 제안하다 저것 그만큼 하나 ~와 함께 그만큼 더 작은 AICC ~이다 그만큼 더 나은 모델 에게 BE 일하고 있는 와 함께.
처럼 ~와 함께 어느 개인 통계량, 너 ~해야 한다 보다 그만큼 A ICc ~처럼 a 제안. 만약에 당신의 주제 문제 경험 강하게 제안하다 하나 모델 ~ 위에 그만큼 다른, 너 5월 원하다 에게 신뢰하다 당신의 본능 그리고 무시하다 그만큼 추천 ~의 그만큼 A ICc.
한 번 우리 가지다 생성됨 이것 새로운 모델, 우리 ~할 수 있다 보다 저것 그만큼 비 영 매개변수 가지다 지금 떨어뜨렸다 ~에서 16 에게 아홉. 만약에 우리 원하다 에게 비교하다, 만약에 그만큼 모델 가지다 개선됨, 우리 ~할 수 있다 바라보다 ~에 그만큼 A ICc 가치. 우리 ~할 수 있다 보다 저것 거기 ~이다 한 개선 ~의 더 ~보다 10, 어느 ~이다 한 중요한 차이점. 그러므로, 우리 결정했다 에게 가다 ~와 함께 그만큼 최상의 하위 집합.
우리 했다 그만큼 같은 ~을 위한 응답 2, 그리고 그 다음에 우리 움직이는 에. 지금 우리 ~할 수 있다 딸깍 하는 소리 ~에 그만큼 빨간색 화살 그리고 말하다 프로파일러. ~ 안에 그만큼 프로파일러, 우리 ~할 수 있다 놀다 약 ~와 함께 그만큼 생산 매개변수 그리고 보다 어떻게 그만큼 모델 ~이다 기대하다 응답 1 그리고 응답 2 에게 변화. 이것 ~이다 이미 a 엄청난 도구 ~을 위한 그만큼 과학자 에게 이해하다 어떻게 그만큼 모델 ~이다 기대하다 그만큼 응답 에게 달라지다, 하지만 우리 ~할 수 있다 하다 더. 우리 ~할 수 있다 딸깍 하는 소리 ~에 최적화 그리고 바람직함 그리고 바람직함 기능.
부터 ~에서 슬라이드 하나, 우리 알다 저것 우리 가지다 둘 목표 저것 우리 원하다 에게 도달하다, 우리 ~할 수 있다 변화 그만큼 바람직함 기능 에게 성냥 저것들 목표. 그래서 우리 더블 딸깍 하는 소리 ~에 그만큼 바람직함 기능과 우리 말하다 성냥 목표 그리고 선택하다 그만큼 목표 영역 저것 우리 원하다 에게 도달하다. 마지막으로, 우리 ~할 수 있다 딸깍 하는 소리 다시 ~에 최적화 그리고 바람직함 그리고 말하다 최대화하다 바람직함.
여기, 그만큼 프로파일러 ~ 할 것이다 노력하다 에게 도달하다 그만큼 최적의 전철기 ~을 위한 그만큼 생산 매개변수. 에게 요약하다, 우리 ~할 수 있다 말하다 저것 지금 우리 가지다 그만큼 첫 번째 모델, 우리 가다 ~에서 생산 매개변수 에게 응답 그리고 우리 가지다 세트 둘 목표 저것 우리 원하다 에게 도달하다. 이것 방법 우리 ~할 수 있다 얻다 이상적인 생산 매개변수 저것 우리 ~할 수 있다 의사소통하다 에게 그만큼 개발 팀 그리고 그들 ~할 수 있다 사용 에게 이동하다 ~에 ~에 그들의 연구.
~ 안에 그만큼 두번째 부분 ~의 그만큼 프레젠테이션, 나는 가고 있다 에게 말하다 ~에 대한 어떻게 우리 사용 그만큼 그리고 스펙트라. 여기 우리 가지다 a 파일 ~을 위한 각 스펙트럼 그리고 그러므로 우리 필요 에게 딸깍 하는 소리 ~에 파일 그리고 수입 다수의 파일. 그 다음에 우리 필요 에게 지정하다 저것 우리 원하다 그만큼 파일 이름 에게 BE 기둥 모양의 ~에 그만큼 데이터 세트 그리고 그 다음에 우리 ~할 수 있다 사용 이것 견본 이름, 어느 ~이다 그만큼 이름 ~의 그만큼 파일 ~처럼 한 ID 에게 연결하다 그것 에게 그만큼 다른 테이블 어디 우리 가지다 모두 그만큼 데이터. 우리 딸깍 하는 소리 ~에 그만큼 열 그리고 말하다 링크 참조.
지금 저것 그만큼 둘 테이블 ~이다 연결됨, 우리 ~할 수 있다 딸깍 하는 소리 분석하다 그리고 전문화하다 모델링 그리고 기능적 데이터 탐침. ~ 안에 그만큼 기능적 데이터 탐침, 우리 원하다 에게 사용 그만큼 강함 값 ~처럼 그만큼 Y 산출. 우리 ~할 수 있다 사용 그만큼 견본 이름, 행렬 이름 ~처럼 우리의 ID 기능.
그 다음에 이것 ~이다 매우 중요한. 우리 사용 그만큼 생산 매개변수 ~처럼 보충 데이터. 그리고 그만큼 무게 숫자 이다, ~의 강의, 그만큼 엑스- 중심선. 그리고 우리 말하다, "좋아요, 여기 우리 ~할 수 있다 보다 저것 그만큼 데이터 ~이다 이미 깨끗한." 우리는 수입품 모두 그만큼 스펙트럼 그리고 그만큼 데이터 외모 깨끗한 왜냐하면 나는 완료 그만큼 전처리 밖의 ~의 제이엠피 I 사용된 파이썬 왜냐하면 나는 더 친숙한 ~와 함께 저것 그리고 거기 ~이다 a 매우 멋진 기준 치수 저것 ~이다 할 수 있는 에게 제거하다 그만큼 배경 그리고 줄이다 그만큼 범위 저것 우리 원하다 에게 바라보다 에.
제이엠피 ~였다 좋은 에게 일하다 ~와 함께 ~처럼 한 추가의 도구 ~ 후에 이것 재처리. 그 다음에 우리 결정하다 에게 딸깍 하는 소리 ~에 모델 그리고 웨이블릿. 우리 이동하다 ~에서 이산적인 데이터 에게 마디 없는 데이터. 지금 우리 ~할 수 있다 또한 바라보다 ~에 그만큼 특수 증상 줄거리. 이것 ~이다 ~을 위한 너, 크리스, 에게 이야기를 나누다 에 대한.
그것은 a 좋은 아이디어 에게 바라보다 ~에 실제 ~에 의해 예측했다 플롯 ~처럼 너 진행하다 ~을 통해 a 기능적인 데이터 분석. 이것들 가지다 그만큼 실제 관찰됨 가치 ~에 그만큼 데이터 ~에 그만큼 Y 중심선 그리고 그만큼 예측했다 가치 ~에 그만큼 X 중심선. 우리 원하다 그만큼 예측했다 가치 에게 BE ~처럼 닫다 에게 그만큼 실제 가치 ~처럼 가능한. A 구성 좋다 이것 하나 저것 ~이다 단단한 ~을 따라 그만큼 45 도 선 나타내다 저것 우리 가지다 a 좋은 모델.
지금, 일부 ~의 너 5월 BE 관심 있는 ~에 대한 과적합 ~부터 그만큼 예측 맞다 그만큼 데이터 그래서 잘. ~ 안에 나의 경험, I 하지 않았다 설립하다 저것 에게 BE a 문제 ~에 그만큼 기초 기능 입어 보기 그리고 기능적인 주요한 요소 단계 ~의 기능적인 암사슴 분석. ID 또한 좋다 에게 가리키다 밖으로 저것 ~에 제이엠피 17, 우리는 추가됨 a 많은 ~의 새로운 특징 ~을 위한 유령 같은 전처리 좋다 기준 정상 변종, 곱셈 소수 보정, 그리고 Savitzky-Golay 필터 . 저것들 ~의 너 저것 ~하지 않다 알다 파이썬 가지다 입장 에게 이것들 역량 ~에 제이엠피 찬성 17.
후에 저것, 우리 ~할 수 있다 또한 가지다 a 바라보다 ~에 그만큼 기능적 PCA 분석. 여기, 잘 경비 일부 더 단어 ~에 그것.
후에 그만큼 잔물결 모델 ~이다 맞다, 제이엠피 찬성 자동으로 하다 a 기능적인 주요한 구성 요소 분석 ~의 그만큼 잔물결 모델. 이것 분해하다 그만큼 스펙트럼 ~ 안으로 한 전반적인 평균 스펙트럼과 a 선의 콤비네이션 ~의 모양 구성 요소 그리고 계수 저것 ~이다 고유한 에게 각 견본 스펙트럼. 언제 우리 하다 그만큼 기능적인 암사슴 분석, 젠레그 자동으로 맞는다 모델 에게 이것들 계수 뒤에 그만큼 장면 그리고 결합하다 그만큼 결과적으로 모델 ~와 함께 그만큼 평균 기능 그리고 그만큼 모양 구성 요소 에게 예측하다 그만큼 모양 ~의 그만큼 스펙트럼 ~에 새로운 가치 ~의 그만큼 입력 매개변수.
만약에 우리 바라보다 ~에 그만큼 주요한 요소 분석, 우리 ~할 수 있다 보다 저것 그만큼 잔물결 모델 가지다 생성됨 a 평균 기능 ~의 모두 그만큼 스펙트럼 저것 우리는 세트 ~처럼 입력, 그리고 그 다음에 그것 가지다 생성됨 다른 모양 기능. 우리 결정했다 에게 멈추다 ~에 육. 무엇 이것 모양 기능 설명하다 ~이다 그만큼 변화 ~의 그만큼 데이터 저것 우리 ~이다 분석 중.
처럼 너 ~할 수 있다 보다 ~에서 그만큼 왼쪽, 그만큼 첫 번째 모양 기능 ~이다 회계 ~을 위한 72 % ~의 그만큼 변화, ~하는 동안 그만큼 두번째 ~이다 회계 ~을 위한 22 %. 함께, 그만큼 계정 ~라고 불리는 육 계정 ~을 위한 99.5 % ~의 그만큼 변화. 처럼 한 예, 우리 ~할 수 있다 바라보다 ~에 주요한 요소 2, 그리고 우리 ~할 수 있다 보다 저것 약 3,737, 거기 ~이다 a 절감. 거기 ~이다 a 마이너스. 저것 수단 저것 증가하다 그만큼 주요한 요소 2 의지 감소하다 그만큼 정점 ~에 3,737.
이것 ~이다 단지 한 예 에게 말하다 저것 이미 ~에서 이것들 육 모양 기능, 우리 ~할 수 있다 얻다 a 많은 ~의 정보. 만약에 우리 가지다 주제 문제 지식, ~에 대한 그만큼 적외선 분광학 그리고 이것 촉매 체계. 이미 여기, 우리 보냈다 상당히 a 많은 ~의 시간 찾고 ~에 그만큼 주요한 구성 요소, 하지만 이것 ~이다 ~ 아니다 무엇 우리 ~이다 가고 있다 에게 집중하다 ~에 ~에 그만큼 다음 슬라이드.
무엇 우리 원하다 에게 바라보다 ~에 대신에 ~이다 그만큼 기능적인 암사슴 분석. 여기 우리 가지다 ~처럼 잘 a 프로파일러, 하지만 우리 ~할 수 있다 지금 플러그 그만큼 생산 매개변수 저것 우리 갖다 ~에서 그만큼 첫 번째 모델 저것 우리 개발됨. 그러므로, 앎 그만큼 목표 생산 매개변수 저것 우리 원하다 에게 사용, 우리 ~할 수 있다 생성하다 a 가짜 스펙트럼 또는 합성 스펙트럼, 우리 ~할 수 있다 부르다 그것. 이것 ~이다 a 스펙트럼 ~의 a 견본 저것 ~였다 절대 생산됨. 그것 ~할 수 있었다 BE 잘못된, 하지만 그것 ~할 수 있다 주다 일부 아이디어 에게 그만큼 과학자들 ~에 대한 무엇 너 ~일 것이다 예상하다 에게 얻다 ~에서 이것들 새로운 생산 매개변수.
에게 합집합 위로, 우리 ~할 수 있다 말하다 저것 지금 우리 이동하다 ~에서 생산 매개변수 에게 적외선 스펙트럼. 우리 가지다 a 두번째 모델 저것 용도 그만큼 잔물결 모델 에게 생성하다 인조 스펙트럼. I 상상하다 이것 에게 BE 좋다 언제 당신은 빵 굽기 a 케이크, 지금 너 가지다 그만큼 레시피 하지만 너 갖다 또한 a 스냅 사진 그림 ~의 그만큼 결정적인 케이크. 그것 하지 않는다 설명하다 너 어떻게 에게 하다 그것 하지만 그것 추가하다 정보 ~에 대한 무엇 너 원하다 에게 성취하다.
마지막으로, 우리 ~할 수 있다 이동하다 ~에서 모델 에게 시험. 저것 수단 저것 우리 ~할 수 있다 주다 그만큼 연구개발 팀 a 새로운 레시피 그리고 또한 그만큼 인조 스펙트럼 ~의 그 요리법. 함께 ~와 함께 이것 정보, 그들 ~할 수 있다 노력하다 에게 개발하다 그만큼 새로운 촉매 그리고 보다 만약에 그만큼 모델 ~이다 검증됨 또는 ~이다 잘못된.
또 다른 물건 그만큼 그룹 ~할 수 있다 하다 ~이다 바라보다 뒤쪽에 ~에 그만큼 이전의 샘플. 지금 우리 가지다 반 ~의 그만큼 샘플 저것 ~이었다 ~ 아니다 테스트됨. 저것들 ~이다 그만큼 검은색 점들 ~에 그만큼 슬라이드. 우리 ~할 수 있다 바라보다 ~을 위한 이상치. ~이다 거기 a 견본 저것 ~할 수 있었다 공연하다 정말 좋은 저것 우리 하지 않았다 보았다 에? 우리 실제로 가지다 하나. 그래서 그게 또 다른 시험 우리 ~할 수 있다 하다.
찾고 ~에 미래 일하다, I 추가됨 이것 슬라이드 저것 ~였다 ~에 그만큼 시작 단지 에게 말하다 저것 우리 집중하다 ~에 그만큼 생산 매개변수 그리고 그만큼 그리고 스펙트럼, 하지만 우리 하지 않았다 정말 보았다 ~에 이것들 21 더 기둥 ~의 성격 묘사 데이터.
~ 안에 그만큼 미래, 우리 ~할 수 있었다 경비 일부 시간 견딜 수 없는 에게 식별하다 그만큼 최대 예측 매개변수 ~에 이것들 21 기둥 그리고 만들다 아마도 a 새로운 모델 ~에서 이것 성격 묘사 데이터 에게 그만큼 응답 그리고 사용 이것 모델 ~처럼 a 상영 모델 에게 피하다 테스트 샘플 저것 ~일 것이다 ~ 아니다 공연하다 ~처럼 좋은. 그것이다 그만큼 끝 ~의 그만큼 프레젠테이션.
