Alors que le mode automatique de la plateforme d'optimisation bayésienne JMP automatise de manière pratique le processus d'expérimentation séquentielle pour les applications les plus courantes, le travail direct avec des ensembles de candidats et le profileur de fonctions d'acquisition augmentées en mode personnalisé ouvre la possibilité d'une optimisation bayésienne plus axée sur l'utilisateur.
Nous expliquons la signification des différentes fonctions d'acquisition, ainsi que leur utilisation, afin de vous permettre d'exploiter pleinement la plateforme d'optimisation bayésienne pour la résolution créative de problèmes. Nos développeurs répondent aux questions fréquentes des utilisateurs : comment créer un plan d'expérience initial ? Combien d'itérations faut-il effectuer ? Comment choisir la taille des lots ? Comment créer des ensembles de candidats personnalisés pour gérer des contraintes inhabituelles (comme l'évitement de brevets) ? Comment modifier les plages de facteurs ? Comment gérer les facteurs difficiles à modifier ? Nous présentons des exemples illustrant l'utilisation créative des ensembles de candidats pour résoudre des problèmes et vous montrer comment gérer des contraintes complexes.
