Am 28. April wurde Milwaukee im Rahmen des Symposiums für Datenwissenschaft und Statistik zum Zentrum für die neuesten Durchbrüche in der Datenanalyse. Es war ein Treffen der führenden akademischen Forscher des Fachgebiets, und JMP stand im Mittelpunkt der Diskussionen. Am zweiten Tag hatten Sarah Sylvestre ( @Sarah-Sylvestre ) und Sarah Gilyard ( @SarahGilyard ) die Ehre, JMP zu vertreten und einem Publikum, das sich für die neuesten Trends in der Datenwissenschaft und Statistikforschung interessierte, ein Poster zu präsentieren.
Die Rolle des Statistikers im Zeitalter der KI
Die SDSS-Konferenz begann mit einem interessanten Plenarvortrag von Lorin Crawford, einem Biologen, der mit Microsoft zusammenarbeitet. Er sprach über die Anwendung von KI und LLMs (Low-Level Models) in der Einzelzellsequenzierung. Crawford erläuterte die Methoden und Ergebnisse seines Labors und betonte, dass die Leistung von LLM-Modellen nicht zwangsläufig mit zunehmender Datenmenge steigt. Die Modellleistung stagniert bei etwa 1 % der Trainingsdaten für bestimmte biologische Aufgaben. Das bedeutet, dass LLMs oft vielfältigere Trainingsdaten benötigen, anstatt ein größeres Datenvolumen.
Lorin ist der Ansicht, dass hier die Statistiker ins Spiel kommen. Sie werden benötigt, um Lücken in den Trainingsdaten zu schließen, indem sie synthetische Daten generieren, die die für die Aufgabe notwendigen Variations- und Unsicherheitsstrukturen beibehalten. Statistiker sind außerdem erforderlich, um zu verstehen, wie die Trainingsdaten stratifiziert werden können, um LLMs besser zu trainieren. Lorin glaubt, dass die neue Rolle der Statistiker in KI/ML die des „strategischen Architekten datengetriebener Systeme“ ist.
Das Thema der entscheidenden Rolle von Statistikern im Zeitalter der KI wurde am zweiten Tag im Plenum fortgeführt. Vier Experten aus Wissenschaft, Pharmazie und theoretischer Physik wurden zu ihren Einschätzungen der aktuellen KI-Landschaft befragt. Alle betonten die Notwendigkeit, sich an KI anzupassen, um nicht den Anschluss zu verlieren; es sei wichtig, sich der Gefahren bewusst zu sein. Übermäßiges Vertrauen sei schädlich; Ausgewogenheit sei entscheidend. In diesem Zusammenhang sind Statistiker unerlässlich, um KI in vielerlei Hinsicht zu evaluieren, unter anderem durch die Festlegung von Toleranzgrenzen für Reproduzierbarkeit; die Schulung von KI-Experten im korrekten Umgang mit synthetischen Daten, damit diese nicht blindlings wie reguläre Daten behandelt werden; und die Identifizierung der statistisch relevantesten Daten anstatt der bloßen Erfassung großer Datenmengen.
Sarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (links) und Sarah Gilyard präsentierten auf dem Symposium für Datenwissenschaft und Statistik 2026.
JMP im Mittelpunkt des Gesprächs
Während unserer Posterpräsentation stellten wir die neueren Funktionen von JMP vor, darunter Bayes-Opt, FDE, dynamische Filterung, Datentabellenaktualisierungen, Python-Integration und den LearnBot/Assistant. In den 25 Minuten unserer Posterpräsentation ergaben sich viele interessante Gespräche mit potenziellen JMP-Nutzern. Die meisten Teilnehmer kannten JMP noch nicht, einige waren jedoch unentschlossen. Eine Teilnehmerin hat Kollegen, die SPSS verwenden, während sie selbst mit R arbeitet. Sie wünschte sich ein Tool, das die Zusammenarbeit mit ihren Kollegen erleichtert. Nachdem wir ihr verschiedene JMP-Funktionen gezeigt hatten, war sie fest davon überzeugt, dass ihre Kollegen von JMP gegenüber SPSS profitieren würden. In einem Gespräch mit einer Professorin aus Dartmouth erfuhren wir, dass ihre Studierenden nicht gerne in Python programmieren und ein Tool bevorzugen würden, mit dem sie Modelle per Mausklick erstellen können, das bei Bedarf aber dennoch Python integriert. Nach der Erläuterung der JMP-Optionen für die Modellerstellung und die Python-Integration ist sie überzeugt, dass ihre Studierenden JMP bevorzugen würden.
Insgesamt war es eine anregende Konferenz mit vielen Diskussionen darüber, wie sich die Statistikgemeinschaft im Zeitalter der KI anpassen kann, ohne dabei ihre fachliche Kompetenz zu verlieren. Obwohl die Teilnehmer und Vorträge überwiegend akademischer Natur waren, trug die Stärkung der Marke JMP und das große Interesse an den neueren Funktionen von JMP wesentlich dazu bei.
Großartige Leistung, Sarahs! Es freut uns sehr, dass JMP bei solchen Veranstaltungen so gut vertreten ist. Wir möchten weiterhin bekannt machen, wie JMP zuverlässige, leistungsstarke und dynamisch interaktive Integrationen der besten statistischen, grafischen und KI-Methoden bietet.
Super, Sarah und Sarah! Vielen Dank für eure Präsentation auf dieser Konferenz und die hervorragende Vertretung von JMP!
