(English follows Japanese)
일본어 제목 : 빅 데이터에 직면? JMP®에서 데이터를 푼다.
롤린스 대학 국제 경제 (미국 플로리다 주 올랜도) 준 교수 Michele Boulanger (미셸 브란 제)
SAS Institute Inc. JMP 아카데믹 앰버서더 Mia Stephens (미아 스테분스)
대부분의 분야에서 트랜잭션 데이터를 검색하는 우리의 능력은 '빅 데이터'시대를 열었다.'빅 데이터'란 무엇인가?'빅'은 더럽고 지저분한 불일치 또는 부피가 큰 것을 필연적으로 의미 하는가? 빅 데이터의 세계에서 얼마나 조정, 조절이 필요할 것인가?빅 데이터의 세계에서 준비 클렌징 단계에서 구별하는 것은 무엇인가?이 강연에서 빅 데이터 분석의 잠재적으로 시간이 걸리는 단계에서 발생하는 다양한 문제를 다룬다.즉 데이터의 준비에 대해 다룬다.2 개의 사례를 제시 할 예정이지만, 각각 매우 다른 목적을 가지고 있으며, 모델링을위한 데이터 형성에는 다른 접근을 필요로한다.이러한 접근 방식과 함께 JMP에서의 방법과 플랫폼에 대해 강조하지만, 그것은 예를 들어, 쿼리 리코도 표준화, 변환, 특성 및 텍스트 마이닝 등이며, 그들은 모델링 단계에서의 빅 데이터를 준비하기 위해 추적 가능 에서 재현 가능한 방법론을 개발하기위한 것이다.JMP13를 사용하여 데모를 실시한다.
Shaping up Big Data? A data workout with JMP
Michele Boulanger, Professor, International Business Department, Rollins College, Orlando
Mia Stephens, JMP Academic Ambassador, SAS (Co-Author)
Our ability to capture transactional data in most fields has led us to the era of "big data" What is big data? Does "big"necessarily mean dirty, messy, inconsistent, or unwieldy? How much toning and conditioning do we need to do in the big data world? What differentiates preparation in the big data world from the traditional data cleaning phase ? in this talk we discuss the different challenges encountered in potentially the most time-consuming phase of big data analytics : data preparation. We present two case studies with very different goals, requiring different approaches to shaping up the data for modeling. Along with these approaches, we also highlight techniques and platforms from JMP such as query, recode, standardization, transformation, imputation, text mining, and others to develop a traceable and reproducible methodology to prepare big data for the modeling phase. All demonstrations will be done live with JMP Pro 13.
