(L'inglese segue il giapponese)
Titolo giapponese: big data? Risolvi i dati con JMP®.
Rawlins University, International Economy (Orlando, Florida) Professore associato Michele Boulanger
SAS Institute Inc. L'ambasciatrice accademica JMP Mia Stephens
La nostra capacità di acquisire dati sulle transazioni nella maggior parte delle aree ha aperto l'era dei "big data".Che cosa sono i "big data"?"Grande" significa necessariamente sporco, disordinato, incoerente o ingombrante? Quanta regolazione e regolazione sono necessarie nel mondo dei big data?Qual è la distinzione dalla fase di preparazione e pulizia del mondo dei big data?In questo discorso, discuteremo delle varie sfide incontrate nella fase potenzialmente più dispendiosa in termini di tempo nell'analisi dei big data.In altre parole, discutiamo della preparazione dei dati.Verranno presentati due esempi, ma ognuno ha uno scopo molto diverso e richiede approcci diversi alla modellazione dei dati per la modellazione.L'accento è posto su metodi e piattaforme di JMP insieme a questi approcci, come query, ricodifica, standardizzazione, trasformazioni, attribuzione, mining di testo, ecc., Che possono essere monitorati per preparare i big data in fase di modellazione Sviluppare una metodologia riproducibile.Dimostrazione usando JMP13.
Elaborazione di Big Data? Un allenamento di dati con JMP
Michele Boulanger, Professore, Dipartimento Affari internazionali, Rollins College, Orlando
Mia Stephens, JMP Academic Ambassador, SAS (Co-autore)
La nostra capacità di acquisire dati transazionali nella maggior parte dei campi ci ha portato all'era dei "big data". Che cosa sono i big data? "Big" significa necessariamente sporco, disordinato, incoerente o ingombrante? Quanta tonificazione e condizionamento dobbiamo fare nel mondo dei big data? Ciò che differenzia la preparazione nel mondo dei big data dalla tradizionale fase di pulizia dei dati In questo discorso discutiamo delle diverse sfide incontrate nella fase potenzialmente più dispendiosa in termini di tempo dell'analisi dei big data: preparazione dei dati. Presentiamo due casi di studio con obiettivi molto diversi, che richiedono approcci diversi per modellare i dati per la modellazione. Insieme a questi approcci, evidenziamo anche tecniche e piattaforme di JMP come query, ricodifica, standardizzazione, trasformazione, imputazione, mining di testo e altri per sviluppare una metodologia tracciabile e riproducibile per preparare i big data per la fase di modellazione. Tutte le dimostrazioni verranno eseguite dal vivo con JMP Pro 13.
