| Lautsprecher |
Transkript |
| Scott Wise |
Investigative Texterkundung. Mein Name ist Scott Wise und ich bin Senior Manager des JMP Education Teams. |
| |
Und ich habe eine wirklich unterhaltsame Präsentation für uns heute. Die Ziele dieser Präsentation sind, Ihnen ein wenig mehr Vertrautheit zu vermitteln |
| |
mit den Möglichkeiten und wie einfach die Texterkundung in JMP und JMP Pro ist. Außerdem wird Ihnen eine andere Sichtweise auf die Texterkundung gezeigt, z. B.: Kann ich damit etwas wie ein Detektiv untersuchen? |
| |
Okay, wir sprechen über das Chili meiner Großmutter und wie es mit einem texanischen Chili-Kochwettbewerb zusammenhängt. Bevor wir beginnen, |
| |
Lassen Sie uns einige der Begriffe im Zusammenhang mit Text Mining entlarven. Meiner Meinung nach sind es im Grunde fünf einfache Schritte: Sie verbringen Ihre Zeit damit, die Daten zusammenzufassen und herauszufinden, welche Wörter im Text am häufigsten vorkommen, sogar welche Wortkombinationen am häufigsten vorkommen. |
| |
Also, nennen wir das das Durchsehen von unstrukturiertem Text, richtig? Und dann das hier, das könnte alles Mögliche sein. Das könnte ein Satz sein, den Ihr Kunde Ihnen über die Leistung Ihres Produkts oder Ihrer Dienstleistung gegeben hat. Es könnte sein... |
| |
Es könnten soziale Medien sein, richtig, wo Sie anhand von Kommentaren herausfinden, was den Leuten gefällt oder nicht gefällt. |
| |
etwas über Ihr Produkt oder Ihre Dienstleistung oder es könnte dieser Typ sein, so etwas wie ein Rezept. |
| |
Ich habe das sogar bei Patenten erlebt, als Leute recherchierten, für welche beliebten Dinge Patente angemeldet werden und ob wir das tun sollten. |
| |
Fassen wir also zusammen, welche Wörter davon am wichtigsten sind. Als Nächstes folgt eine kleine Vorbereitung, bei der wir uns auf die Liste der Wörter beschränken, die uns am wichtigsten sind. |
| |
Natürlich wäre JMP nicht das Richtige, wenn wir es nicht visualisieren, analysieren und modellieren könnten. Wir können sogar fortgeschrittene Modellierungen durchführen. Ich verwende dafür JMP Pro, Version 15.1. |
| |
und ich werde auf jeden Fall darauf hinweisen, was Sie in JMP tun können und wo ich tatsächlich ein bisschen Pro einbringe, das dabei hilft, meine Frage weiter zu beantworten. |
| |
Dokument, Korpus und Begriff. Das Dokument wird das sein ... |
| |
Die Dinge, die Sie analysieren, sind im Grunde der einzelne Textkörper, jede Zeile des Textes. Das sind meine Rezepte für mein Beispiel. |
| |
Es könnten verschiedene Kunden sein, die Ihnen zu Ihrem Produkt oder Ihrer Dienstleistung geantwortet haben. Das Korpus ist eigentlich der unstrukturierte Text, den Sie verarbeiten möchten, der Hauptteil des Textes, den Sie analysieren werden. |
| |
Und dann sind die Begriffe die Wörter oder Wortkombinationen, die Ihnen bei der Beantwortung einer Frage helfen können. Lassen Sie uns also über die Geschichte sprechen. Wissen Sie, warum ich auf die Idee gekommen bin, mir Chili-Rezepte anzuschauen? Nun, das führt zurück zu |
| |
vor fast 25 Jahren, als ich nach Texas zog und dort anfing, für eine große Firma zu arbeiten, veranstalteten sie wie die meisten großen Firmen in Texas einen großen Texas-Chili-Kochwettbewerb. |
| |
Und ich wurde gebeten, mitzumachen. Alle haben mitgemacht. Aber ich wurde sogar gebeten, noch mehr zu tun: Ich wurde gebeten, als Juror mitzuwirken. |
| |
Also hätte ich den Richter ablehnen sollen. Ich dachte, es wäre eine Ehre für den Neuen, aber ich glaube, ich war der Einzige, dem sie diese Ehre erweisen konnten. Ich habe herausgefunden, warum. |
| |
Aber sprechen wir zunächst über die Reaktion auf das Chili, das ich mitgebracht habe. Ich hatte ein Chili-Rezept dabei, das meine Familie immer verwendet hat und das von meiner Großmutter, Oma Lillian, stammt. |
| |
Das ist kein Chili. Das ist nicht das, was die Texaner unter Chili verstehen. |
| |
Die gute Nachricht war, dass ich nichts mit nach Hause nehmen musste, weil ich es gerne esse. Sie hatten sich etwas anderes als Chili überlegt. Ihr Chili enthielt keine Bohnen. Ihr Chili war nicht herzhaft. Es war sehr scharf und sehr suppig. |
| |
Meines hatte Rindfleisch. Ihrs bestand hauptsächlich aus Schweinefleisch. Sie hatten alles drin. Und noch etwas brachte mich in Schwierigkeiten. Nicht nur, dass ihnen das Chili meiner Oma nicht schmeckte, ich hätte die Beurteilung fast nicht überlebt. |
| |
Denn die wahre Ehre eines echten Texaners ist es, das schärfste Chili zuzubereiten. Man will seinen Nachbarn schlagen. Man will seinen Kollegen schlagen. Deshalb haben sie hier alle möglichen unfassbar scharfen Chilis und Gewürze hineingeworfen. |
| |
Und ich dachte nur, ich hätte mir fast den Magen zerrissen, nur weil ich es probiert habe, und du trinkst die ganze Milch, um die Hitze rauszulassen. Also |
| |
Es war eine Feuertaufe. Meine Empfehlung lautet daher: Wer die Hitze nicht mag, sollte nicht als Juror antreten. Keine gute Idee. Aber ich wollte unbedingt einen Platz belegen; das hat mich immer gestört. |
| |
Was, warum ist das Chili meiner Oma nicht gut geworden? Gibt es wirklich verschiedene Chilisorten? Woher kommen sie? |
| |
Und es stellt sich heraus, dass Chili eine wirklich coole Geschichte hat. Es gibt einige wirklich coole Geschichtsblogs und Artikel darüber, und es kam höchstwahrscheinlich aus |
| |
Mittelamerika, hauptsächlich Mexiko. Es gibt auch einige leichte Gerichte, aber in San Antonio wurde es erstmals im Bundesstaat verkauft. Wir wissen jetzt, dass es Chili ist. |
| |
auf dem alten San Antonio Platz dort beim Alamo. Und es wurde bei Viehtrieben verwendet und wurde langsam populär und dann hat es sich durch die Mitte des Landes und den gesamten Mittleren Westen ausgebreitet. |
| |
Und mir wurde gesagt, dass auf der Weltausstellung in St. Louis viele Lebensmittelinnovationen entstanden sind, die richtig durchstarteten, als sie gezeigt wurden, und das war eine davon. Chili hat es in die |
| |
Die Weltausstellung in St. Louis wurde wirklich populär. |
| |
Es gibt also verschiedene Varianten. Die Idee war, ob ich Textexploration für Zutaten und Rezepte nutzen könnte. Einfach das ganze Rezept nehmen, reinpacken und schauen, was passiert. |
| |
Und womit möchte ich es vergleichen? Also habe ich nachgeschaut, welche traditionellen Regionen es gibt; wir hatten mehrere, von Texas bis hinauf nach Michigan. |
| |
In Texas gibt es verschiedene Sorten. Ich habe Texas Bowl Red probiert. Das ist Chili con Carne. Ein |
| |
Frito Pie gibt es bei Footballspielen, aber er ist so beliebt, dass Louisiana seine eigene Version hat. New Mexico hat seine eigene Version mit grünen Chilis und Hühnchen. Oklahoma, Kansas City, Springfield, |
| |
Illinois, Cincinnati mit dem Skyline-Chili, hey, das geben sie über Spaghetti. Michigan. Coney Island, die Hotdogs, wissen Sie, die Chilisauce, auf die sie es dort geben, ist echtes Chili. |
| |
Weißes Chili, Herkunft unbekannt. Vegetarisches Chili. Es gibt mittlerweile viele verschiedene Sorten. |
| |
Also sagte ich: Wenn ich drei Rezepte aus jedem dieser Stile nehme und sie mit dem Chili meiner Großmutter vergleiche, kann ich dann finden, wonach ich suche? |
| |
Also machen wir das und ich werde Ihnen zeigen, während ich die Schritte durchgehe. Ich werde Ihnen eine Zusammenfassung der Schritte zeigen und dann gleich dahinter gehen und Ihnen zeigen, wie ich es in JMP mache. |
| |
Der erste Schritt besteht darin, die Daten zusammenzufassen. Wir möchten die Wörter finden, die uns interessieren. |
| |
Was passiert nun, wenn Sie |
| |
jede dieser Textanalysen, diese Textdaten, wie meine Zutaten, in einen Text-Explorer, es wird es durch eine Bibliothek laufen |
| |
von regulären Ausdrücken und denken Sie an das Wort „regulär“, einfach an Dinge, die einfach Teil der alltäglichen Sprache sind. |
| |
Und sie sind nicht besonders hilfreich. Es ist nicht hilfreich, wenn ich „das“ und „und“ in meiner Liste habe. Also versucht es, Wörter herauszufiltern, die dich nicht interessieren. Und ja, es lässt sich anpassen. |
| |
Und es ist bereits ein ziemlich starkes eingebaut, und das habe ich verwendet. Und dann Stemming. Stemming ist, wo Sie gehen und |
| |
sagen Sie, wie Sie ähnliche Wörter behandeln möchten – also ist „dice“ „dice“, „dicing“, Sie haben Pluralformen, anders … anders … |
| |
verschiedene Versionen des Wortstamms. Soll alles im Wortstamm gezählt oder getrennt werden? Das ist eine Überlegung wert. |
| |
Und dann, nachdem wir zusammenfassen. Lassen Sie mich diese Wörter nehmen. Sie sehen, ich habe hier eine kleine Liste mit Wörtern. Das hintere ist unbearbeitet und das vordere |
| |
ist tatsächlich eines, bei dem wir die Wortliste durchgesehen und etwas verkleinert haben. Man sucht also nach Wörtern, die einem egal sind. Man nennt sie Stoppwörter, also im Grunde: „Entferne sie.“ Füge sie wieder meiner Bibliothek mit den Wörtern hinzu, die mir egal sind. |
| |
Sie können auch Sätze einfügen, die wirklich wichtig sind. Und sobald Sie diese haben, können wir einige davon visualisieren. |
| |
Und wir werden sehen können – in meinem Fall habe ich mich sehr für die Zutaten interessiert. So können wir sehen, welche Zutaten am häufigsten vorkamen. |
| |
Und hier sieht man oft Wortwolken, und bei Wortwolken gilt: Je größer das Wort, desto häufiger kommt es vor. |
| |
Und Sie können es in einer Wolke betrachten, einfach als ein... nur ein sporadisches Layout oder Sie können es in einer Reihenfolge betrachten, in der das erste Wort oben das größte ist. Das ist wie das |
| |
Diagramm, das vor Ihrer Folie liegt. Und danach werden wir etwas damit machen. So können wir einige grundlegende Modelle erstellen. |
| |
Und eine der einfachsten Möglichkeiten, dies zu tun, besteht darin, wenn wir wissen, welche Wörter auf unserer Liste uns wichtig sind, |
| |
Wir können es wieder zu unserer Datentabelle hinzufügen. Das nennt man das Speichern der Dokumenttermmatrix. In diesem Fall ist es am einfachsten, Binärdateien zu verwenden. Hier habe ich eine separate Spalte, wie Sie rechts sehen können. |
| |
"Zwiebel" hat eine Eins, wenn es in der Zeile steht, also im Rezept. Es hat eine Null, wenn es nicht steht. Hier in den Spalten finden Sie also Nullen und Einsen. So sehen Sie, was am wichtigsten ist. |
| |
Und oft versucht man, etwas zu modellieren, wie: Wenn ich nicht weiterkomme, |
| |
Vielleicht habe ich die Bewertungsergebnisse dadurch erhalten und kann sagen: „Hier ist eine numerische Bewertung für jedes Rezept. Ich möchte sehen, welche Zutaten |
| |
sind häufig und führen zu einer hohen Punktzahl. Das könnte etwas sein, was ich mache, also versuche ich, es etwas vorausschauender zu gestalten. |
| |
In diesem Fall werde ich mir die Gruppierung ansehen. Ich möchte Rezepte gruppieren und sehen, wo Omas Chili hinkommt. Ich zeige Ihnen, wie wir das machen. Zuerst zeigen wir Ihnen aber, wie wir diese Schritte in JMP durchführen. |
| |
Hier sind also meine Rohdaten. |
| |
In jedem Dokument hier ist jede Zeile ... ich habe meinen unstrukturierten Text und in meinen Fällen sind es nur die Rohzutaten. |
| |
Und wenn ich auf eine dieser Zellen hier klicke, sehen Sie, dass es sich buchstäblich um die kopierten Zutaten handelt. Da ist also die eine ... die erste für Cajun-Chili aus Louisiana. |
| |
Es enthält Wörter, die mir wichtig sind, wie „Tomate“, „Chilipulver“ und „Honig“. Es enthält Wörter, die mir egal sind, wie „Dose“. |
| |
Es sind wahrscheinlich die Mengenangaben, die mir nicht so wichtig sind, wie "ein", "zwei Pfund", "Teelöffel". Wie gehen wir also damit um? Was wir also tun werden |
| |
ist, dass wir zu „Analysieren“ und dann zu „Text-Explorer“ gehen und diese Zutaten einfach in die Textspalte einfügen. |
| |
Ich werde nach der Wortstammbildung fragen, also wie man alle Begriffe stammbildet. Das finde ich sehr hilfreich. Und dann werde ich den integrierten regulären Ausdruck verwenden. |
| |
Ich sage „Okay“, und hier ist nun meine erste Liste. |
| |
Ich kann jetzt die Dinge auswählen, die mich nicht interessieren. Zahlen sind mir egal. Ich kann sie hier markieren, mit der rechten Maustaste klicken und „Stoppwort hinzufügen“ auswählen. Dann wird es der Liste der Dinge hinzugefügt, die mich nicht interessieren. |
| |
Wie wäre es mit „Chilipulver“? Das klingt nach etwas, das für sich allein stehen muss. Ich klicke also mit der rechten Maustaste auf die Phrase und wähle „Phrase hinzufügen“, um sie hinzuzufügen. |
| |
Machen Sie also so lange weiter, bis Sie eine optimierte, verkleinerte Liste erhalten. |
| |
Ich werde einfach meine |
| |
Meine fertige Liste. Und hier sind alle Wörter, die aus dem regulären Ausdruck stammen, und auch |
| |
Dinge, die ich hinzugefügt habe |
| |
und Stoppwörter. Und hier ist meine fertige Liste mit Begriffen und Phrasen. Ich habe diese Phrasen hinzugefügt, die mir wichtig sind. „Zwiebel“ landete am häufigsten, dann „Salz“, dann „Kreuzkümmel“ und schließlich „Chilipulver“. |
| |
Wie Sie sich vorstellen können, lässt sich das sehr gut visualisieren. Wir haben eine Wortwolke. Hier ist die Wortwolke für alles in diesem Bild. Unter meinen roten Dreieckoptionen kann ich das in eine Reihenfolge ändern, um das Ergebnis übersichtlicher zu gestalten. |
| |
Wenn ich es zentriert halte, macht das Spaß. Sie können Filter zu Ihren Daten hinzufügen und manchmal sogar Ihre Antwort visuell finden, ohne etwas anderes tun zu müssen. In diesem Fall gehe ich dazu auf meine |
| |
rotes Dreieck. Ich werde einen lokalen Datenfilter erhalten. Ich werde mir nur den Typ ansehen und sagen: Nun, schauen wir uns an |
| |
So sieht Oma Lillians Chili aus: Tomaten, Kidneybohnen, Rindfleisch und so. Und wie wäre es im Vergleich zum Cajun-Chili? |
| |
Nun, sie teilten sich Chilipulver und Rindfleisch, aber da waren vielleicht ein paar andere Sachen drauf. Wie war das im Vergleich zum Chili Verde? |
| |
wissen Sie, das ist eher grünes Chili, wissen Sie. Und sie haben rohe Chilis drin und Jalapeños, Hühnerbrühe, all diese Sachen, Hühnerbrühe. |
| |
Das ist wirklich interessant, aber wahrscheinlich nicht genug, um herauszufinden, was los ist. Also ging ich |
| |
(und das ist noch etwas ... Sie haben alle Optionen hier unter Ihrem roten Dreieck) Ich habe sichergestellt (und ich muss hier wahrscheinlich sicherstellen), dass ich meinen lokalen Datenfilter ausschalte, dass alles ausgewählt ist und dass ich alle meine Begriffe ansehe. |
| |
Ich habe hier 299. Ich klicke mit der rechten Maustaste und sage „Dokument-Termmatrix speichern“. |
| |
Und als ich das tat, wurde ich gefragt, wie ich es speichern möchte, mit Gewichtungen, mit welcher Gewichtung. Es ist im Grunde binär, es gibt Häufigkeiten, die ich verwenden kann, wie viele Terme, wissen Sie, die Mindesthäufigkeit, um tatsächlich einen Platz in der Datentabelle zu erhalten. Und das habe ich bereits getan. |
| |
Wenn ich also rübergleite und schaue ... |
| |
Eigentlich |
| |
Ich mache das gleich und zeige Ihnen, wie es aussieht. Ich sage einfach „Dokument-Termmatrix speichern“ und sage „Okay“. |
| |
Und jetzt, wie ich Ihnen auf der Folie gezeigt habe, habe ich alle Begriffe, die mich interessieren. Und da ist der erste für "Zwiebel". Hier ist der für "Chilipulver", und wie er sich auf ihre jeweiligen |
| |
Rezept, wissen Sie, Reihen. |
| |
Damit ich weiß, wo es eines gibt, weiß ich, dass dieses Cajun-Chili Chilipulver enthielt. |
| |
Wenn Null ist, |
| |
Das hier sieht aus wie Oklahoma-Chili oder, nein, entschuldigen Sie, New Mexican Chili enthielt kein Chilipulver. So funktioniert das eben. Und das kann in der Modellierung verwendet werden. Sie können in JMP „Anpassungsmodell analysieren“ aufrufen und dies auf ein beliebiges Modell anwenden. |
| |
Aber ich werde Folgendes tun, da ich nicht wirklich versuche, vorherzusagen, welche Zutaten mir eine höhere Punktzahl geben. Ich habe keine, wissen Sie, |
| |
Sie kennen die Ausgabedaten hier. Ich möchte sie unbedingt gruppieren und habe gehört, dass ich das in JMP Pro tatsächlich tun kann. Ich gehe also gleich zurück zu meinen Folien. |
| |
Und ich werde über die Analyse der Daten sprechen. Um weitere Analysen durchzuführen |
| |
In JMP Pro können Sie einige wirklich gute Gruppierungstechniken anwenden. Dabei handelt es sich um multivariate Methoden, die auf die Handhabung von Textanalysen und die Arbeit mit diesen Dokumenttermmatrizen spezialisiert sind und sich auf Text beziehen. |
| |
Und es verwendet etwas, das latente Klassenanalyse genannt wird. Das ist einer der Begriffe. Und das ist ähnlich wie die Hauptkomponentenanalyse, falls Sie mit dieser Technik vertraut sind. Aber im Grunde wird es |
| |
Fragen Sie uns, wie viele Gruppierungen oder Cluster von Daten wir betrachten möchten. Es wird über diesen mehrdimensionalen Raum hinweg betrachtet |
| |
zwischen allem, was in diesen Spalten steht und Ihrer Dokumenttermmatrix für die wichtigen Begriffe in Ihrem Modell hier, die wichtigen Begriffe, die wir auf dem Wort |
| |
Wortliste, richtig? Und es gruppiert sie. In meinem Fall konnte ich es auf drei Gruppen reduzieren. |
| |
Es gibt also einen Cluster, der viele Chili-Rezepte mit Hackfleisch, Tomatensoße, Chilipulver und Bohnen zu enthalten schien. |
| |
Es gibt einen zweiten Cluster, der viel mit Hühnchen und grünen Chilis, also rohen Chilis, zu tun hatte. |
| |
Und dann gibt es noch Cluster drei, in dem es wieder viele Chilis gab, aber es waren eher rote Chilis und sie basierten irgendwie auf Schweinefleisch, und das machte sehr viel Sinn. |
| |
Okay, als ich diese Cluster erstellt habe, konnte ich eine Clusterwahrscheinlichkeit pro Zeile verwenden. Das gab mir sozusagen Aufschluss darüber, wie stark diese einzelnen |
| |
Rezepte, meine Zeilen in meinem Dokument, richtig, diese ursprünglichen... mein Kontrollrezept, wo waren sie und wie stark gehörten sie dazu? Warum habe ich sie welchem Cluster zugeordnet? Und als ich das tat, |
| |
22 war der Cluster meiner Großmutter ... war die Kontrolle meiner Großmutter. Und ich fand heraus, dass sie sich zusammen mit einigen anderen Rezepten, darunter denen aus Kansas City, Missouri, in Cluster 1 befand. |
| |
Es gibt eins auf Nummer 24, das sehr nah dran war. Die texanischen Rezepte für Cluster drei enthielten scharfe Chilis, Gewürze … viele Gewürze und oft Schweinefleisch und keine Bohnen, richtig? Bohnen kamen in Cluster eins vor, aber nicht in Cluster drei, und dann … |
| |
Der Cluster zwei |
| |
war mehr für, wissen Sie, es ist mehr für grüne Chili, |
| |
eher für die Dinge, die man in New Mexico sieht, Sie wissen schon, Chili auf Hühnerbasis, Sachen mit grünem Chili. |
| |
Also gut, ich konnte die Übereinstimmung herstellen und fand ein Rezept. Und eines der drei repräsentativen aus Missouri |
| |
das hieß tatsächlich Kansas City Chili und war fast genau das gleiche wie Oma Lillians Chili. |
| |
Als ich meine Mutter danach fragte, sagte ich: „Wie konnte das passieren? Ich dachte nicht, dass es aus Missouri kommt.“ Und sie sagte: „Das ergibt alles Sinn.“ Sie sagte: „Oma Lillian, |
| |
Sie wuchs auf einer Farm in St. Joseph, Missouri, auf. Sie war das einzige Mädchen und hatte etwa 11-12 Brüder. Sie hat also viel gekocht. |
| |
Sie war übrigens die Einzige mit Hochschulabschluss und damit für ihre Zeit recht fortschrittlich. Sie war eine meiner liebsten Verwandten, aber ihr Rezept war sehr bezeichnend dafür. Also zeigen wir euch, wie das in echt aussieht. |
| |
Wenn ich also zu ... gehe, |
| |
an dieser Stelle, |
| |
Ich gehe zurück zu den Daten, die ich erstellt habe, und frage unter diesem Hotspot nach den zusätzlichen Modellen, die JMP Pro bereitstellen kann. Es gibt eine latente Klassenanalyse, die Dokumente mit dieser Methode clustert. |
| |
Basierend auf der binären Methode zur Dokumentierung der Termmatrix. Es wird also ein Dokument verwendet ... es wird diese Dokument-Termmatrix verwendet. Sie müssen es also nicht einmal speichern, es wird automatisch generiert. |
| |
Es gibt auch eine latente semantische Analyse, die etwas mehr Mathematik erfordert, eine etwas fortgeschrittenere Methode, aber beide machen im Grunde dasselbe. Mir gefiel besonders die latente Klassenanalyse. Deshalb habe ich sie ausgewählt. |
| |
Ich habe drei Cluster verlangt. Sie können damit experimentieren und sehen, ob es einen Unterschied macht. Ich habe weitere Cluster ausprobiert und bin dann wieder auf drei zurückgegangen. |
| |
Und innerhalb seiner |
| |
Optionen können Sie die Clusterwahrscheinlichkeiten zeilenweise anzeigen. |
| |
Und von allen Ergebnissen war dies die sinnvollste. Also, zurück zu meiner Folie: Das hat mir geholfen, herauszufinden, wo das Chili meiner Großmutter lag. |
| |
Das war 22, |
| |
Reihe 22. Und dann, womit es sonst noch gut kombinierbar war. So konnte ich diese Analyse durchführen. |
| |
So einfach ist das. |
| |
Also, |
| |
Das war ein wirklich kurzer Überblick über die Möglichkeiten der JMP-Textexploration in JMP und dann, wie ich JMP Pro verwenden konnte und |
| |
Finde diese Cluster, platziere das Chili meiner Oma und finde ein passendes Rezept. Falls du also Lust auf mehr hast, habe ich einen Link zum Blog |
| |
In der Präsentation können Sie...klicken Sie einfach auf oder gehen Sie direkt zur Community und geben Sie einfach "Omas Chili" ein, um den Blog zu finden. Und ich werde Ihnen auch dazu geben, wir werden Ihnen auch |
| |
das Rezept. So können auch Sie Oma Lillians Chili zubereiten. |
| |
Daher freuen wir uns, Ihnen dies heute zeigen zu können. |
| |
Bitte hinterlassen Sie alle Fragen im Q&A, die wir beantworten können. Und versuchen Sie dies, versuchen Sie etwas |
| |
die Sie bei der Arbeit, zu Hause oder überall dort haben, wo es unstrukturierte Textdaten gibt, die Sie untersuchen und zu denen Sie Fragen stellen möchten. Sie werden feststellen, dass es eine fantastische Methode ist, sehr wirkungsvoll und Ihnen wirklich dabei hilft, die dritte Dimension der Daten anzugreifen. |
