(일본어 다음에 영어가 나옵니다)
일본어 제목 : 빅데이터에 맞서? JMP®로 데이터를 푸십시오.
롤린스대학, 국제경제(미 플로리다주 올랜도) 부교수 Michele Boulanger (미셸 부랑제)
SAS Institute Inc. JMP 아카데믹 앰배서더 Mia Stephens (미아 스테이븐스)
대부분의 분야에서 거래 데이터를 얻는 우리의 능력은 "빅 데이터"의 시대를 열었다. '빅데이터'란 무엇인가? "빅"은 더러워지고, 흩어져 있거나, 불일치하거나, 다루기가 어렵다는 것을 필연적으로 의미합니까? 빅 데이터의 세계에서는 얼마나 조정, 조정이 필요합니까? 빅 데이터의 세계에서의 준비, 클렌징 단계로부터 구별하는 것은 무엇인가? 이 강연에서는 빅데이터 분석의 잠재적으로 가장 시간이 많이 걸리는 단계에서 발생하는 다양한 과제를 논의한다. 즉 데이터의 준비에 대해 논한다. 두 가지 사례를 제시할 예정이지만, 각각은 매우 다른 목적을 가지고 있어 모델링을 위한 데이터 형성에는 다른 접근이 필요하다. 이러한 접근법과 함께 JMP의 방법과 플랫폼에 대해 강조하지만, 예를 들어 쿼리, 리코딩, 표준화, 변환, 귀속, 텍스트 마이닝 등이며, 모델링 단계에서 빅 데이터를 준비하기 위해 추적 가능하고 재현 가능한 방법론을 개발하기 위한 것이다. JMP13을 사용하여 데모를 수행합니다.
빅데이터를 제대로 활용하려면? JMP를 활용한 데이터 분석
미셸 불랑제, 롤린스 칼리지 국제경영학과 교수 (올랜도)
미아 스티븐스, JMP 학술 홍보대사, SAS (공동 저자)
대부분의 분야에서 거래 데이터를 수집할 수 있게 되면서 우리는 "빅 데이터" 시대를 맞이했습니다. 빅 데이터란 무엇일까요? "빅"이라는 단어가 반드시 더럽고, 지저분하고, 일관성이 없고, 다루기 어렵다는 것을 의미할까요? 빅 데이터 환경에서 데이터를 얼마나 다듬고 정제해야 할까요? 빅 데이터 환경에서의 데이터 준비는 기존의 데이터 정제 단계와 어떻게 다를까요? 이 강연에서는 빅 데이터 분석에서 가장 많은 시간이 소요될 수 있는 단계인 데이터 준비 과정에서 발생하는 다양한 문제점들을 살펴봅니다. 목표가 매우 다르고, 모델링을 위한 데이터 준비에 각기 다른 접근 방식이 필요한 두 가지 사례 연구를 제시합니다. 또한, JMP의 쿼리, 재코딩, 표준화, 변환, 결측치 대체, 텍스트 마이닝 등의 기술과 플랫폼을 활용하여 빅 데이터를 모델링 단계에 적합하게 준비하는 추적 가능하고 재현 가능한 방법론을 소개합니다. 모든 시연은 JMP Pro 13을 사용하여 실시간으로 진행됩니다.
