使用 JMP Pro 19 製作的影片於 2025 年 11 月發布。
本課程對象為負責快速創新、力爭率先將新產品推向市場的研發產品和製程工程師。
貝葉斯最佳化是一種迭代學習技術，它利用模型產生新的候選方案進行評估。貝葉斯優化在每次迭代中都能從反應中學習，並能比傳統方法更清晰地引導我們何時停止實驗。其迭代特性可望大幅減少流程和產品開發所需的時間和資源，因此可能非常適合許多研發文化。
首先，利用現有資料（歷史資料或初始實驗資料）建構高斯過程模型（GaSP）。然後，結合模型預測結果、預測不確定性和反應目標，產生新的候選因子組合進行測試。測試後，使用新資料更新模型。重複上述步驟，直至滿足反應目標並找到最優因子組合。
JMP Pro 的新增強功能包含一個互動式新平台—貝葉斯優化。
「這項技術並非用於確定模型的適合度，而是一種發現我們尚未掌握數據的新領域的途徑。」——C. Gotwalt
JMP首席資料科學家兼全新貝葉斯優化功能的主要開發者克里斯·戈特瓦爾特(Chris Gotwalt)將示範並講解該功能及其所採用的底層統計方法。本次示範包含問答環節。
本 JMP 開發人員教學涵蓋以下內容：互動式產生初始高斯過程模型；指定要測試或執行的新候選因子組合；探索設計空間；總結高斯過程模型適配度；比較因子和反應並互動式地進行假設分析。
資源
