El 28 de abril, Milwaukee se convirtió en el epicentro de los últimos avances en analítica durante el Simposio sobre Ciencia de Datos y Estadística . Fue una reunión de los principales investigadores académicos del campo, y JMP estuvo en el centro de la conversación. El segundo día, Sarah Sylvestre ( @Sarah-Sylvestre ) y Sarah Gilyard ( @SarahGilyard ) tuvieron el privilegio de representar a JMP, presentando un póster ante un público centrado en las últimas tendencias en investigación en ciencia de datos y estadística .
El papel del estadístico en la era de la IA
La conferencia SDSS comenzó con una interesante ponencia plenaria a cargo de Lorin Crawford, investigador de biología en colaboración con Microsoft, sobre la aplicación de la IA y los modelos LLM a la secuenciación de células individuales. Lorin expuso los métodos y resultados que está obteniendo su laboratorio y destacó que el rendimiento de los modelos LLM no necesariamente aumenta con la cantidad de datos. El rendimiento del modelo se satura aproximadamente al 1 % de los datos de entrenamiento para ciertas tareas biológicas. Esto significa que los modelos LLM suelen requerir datos de entrenamiento más diversos, en lugar de un mayor volumen.
Lorin opina que aquí es donde entran en juego los estadísticos. Se necesitan estadísticos para ayudar a subsanar las deficiencias en los datos de entrenamiento mediante la generación de datos sintéticos que mantengan la variación y las estructuras de incertidumbre necesarias para la tarea. Los estadísticos serán necesarios para comprender cómo estratificar los datos de entrenamiento para optimizar el entrenamiento de los modelos de aprendizaje automático. Lorin cree que el nuevo rol de los estadísticos en IA/aprendizaje automático es el de "arquitectos estratégicos de sistemas basados en datos".
El tema del papel fundamental de los estadísticos en la era de la IA continuó durante el segundo día del panel plenario. Cuatro panelistas, provenientes del ámbito académico, farmacéutico y de la física teórica, fueron entrevistados sobre sus opiniones acerca del panorama actual de la IA. Todos los panelistas enfatizaron la necesidad de adaptarse a la IA para evitar quedarse atrás; es importante ser conscientes de los peligros. La dependencia excesiva es perjudicial; el equilibrio es clave. En este sentido, los estadísticos son indispensables para evaluar la IA en muchos aspectos, incluyendo el establecimiento de un nivel de tolerancia para la reproducibilidad; la formación de expertos en IA sobre el manejo adecuado de datos sintéticos para que no se traten indiscriminadamente como datos reales; y la identificación de los datos estadísticamente más relevantes en lugar de simplemente recopilar grandes volúmenes de datos.
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 (izquierda) y Sarah Gilyard presentaron sus trabajos en el Simposio de Ciencia de Datos y Estadística de 2026.
JMP en el centro de la conversación
Durante nuestra sesión de pósteres, presentamos un resumen de las nuevas funcionalidades de JMP, incluyendo Bayes Opt, FDE, filtrado dinámico, actualizaciones de tablas de datos, integración con Python y LearnBot/Assistant. Generamos varias conversaciones interesantes con potenciales usuarios de JMP durante nuestros 25 minutos de presentación. La mayoría de los asistentes no conocían JMP, pero algunos tenían dudas sobre su uso. Una asistente tiene colegas que usan SPSS, mientras que ella usa R. Le gustaría una herramienta que facilitara la colaboración con sus compañeros. Después de mostrarle varias funcionalidades de JMP, se marchó convencida de que sus compañeros se beneficiarían más de JMP que de SPSS. En otra conversación con una profesora de Dartmouth, supimos que tiene estudiantes que no están muy interesados en programar en Python y que preferirían una herramienta que les permita crear modelos de forma intuitiva, integrándose con Python cuando sea necesario. Tras analizar las opciones de JMP para la creación de modelos y la integración con Python, se convenció de que sus estudiantes preferirían usar JMP.
En general, fue una conferencia interesante con muchos debates sobre cómo la comunidad estadística puede adaptarse a la era de la IA sin dejar de ser fiel a su especialidad. Si bien los asistentes y las ponencias fueron mayoritariamente de carácter académico, se logró difundir la marca JMP y se generó un gran interés en sus nuevas funcionalidades.
¡Excelente trabajo, super Sarahs! Nos alegra mucho ver a JMP tan bien representada en eventos como este. Queremos seguir dando a conocer cómo JMP ofrece integraciones fiables, robustas y dinámicamente interactivas de los mejores métodos estadísticos, gráficos y de IA.
¡Genial, Sarah y Sarah! ¡Gracias por presentar en esta conferencia y por representar tan bien a JMP!
¡Sarah está presente! ¡Me encanta!
