Impulsando proyectos de Big Data
Ronald Snee, PhD, presidente de Snee Associates
Richard De Veaux, Profesor de Estadística C. Carlisle y Margaret Tippit, Williams College
Roger Hoerl, PhD, Profesor Adjunto, Union College
JMP ofrece diversas herramientas avanzadas para analizar conjuntos de datos masivos, incluyendo particiones, agrupamiento neuronal y agrupamiento k-medias. Estas herramientas ponen a disposición métodos estadísticos de alta potencia no solo para estadísticos profesionales, sino también para usuarios ocasionales. Como con cualquier herramienta, los resultados esperados son proporcionales al conocimiento y la habilidad del usuario. Desafortunadamente, gran parte de la literatura sobre minería de datos, aprendizaje automático y big data puede dar a los usuarios ocasionales la impresión de que, con un algoritmo lo suficientemente potente y una gran cantidad de datos, se garantizan buenos modelos y buenos resultados. Esta sesión se centrará en tres principios importantes que, en nuestra opinión, han sido subestimados en la literatura: la importancia de utilizar enfoques secuenciales para la investigación científica, en lugar de estudios puntuales; la necesidad de que el modelado empírico se guíe por la teoría de la materia, incluyendo la interpretación de los datos en el contexto del proceso y el sistema de medición que los generó; y la típica suposición tácita de que todos los datos son iguales y, por lo tanto, que la cantidad de datos es más importante que su calidad. Discutiremos los problemas que pueden surgir cuando se ignoran estos fundamentos y compartiremos nuestras ideas y experiencias sobre cómo mejorar los proyectos de minería de datos.
