Si bien el modo automático de la plataforma de optimización bayesiana JMP automatiza de forma práctica el proceso de experimentación secuencial para las aplicaciones más comunes, trabajar directamente con conjuntos de candidatos y el perfilador de funciones de adquisición aumentadas en el modo personalizado abre la posibilidad de una optimización bayesiana más orientada al usuario.
Explicamos el significado de las diferentes funciones de adquisición, así como cómo y cuándo utilizarlas, para que puedas sacar el máximo partido a la plataforma de optimización bayesiana y resolver problemas de forma creativa. Los desarrolladores responden a las preguntas más frecuentes de los usuarios, como por ejemplo, cómo crear un diseño inicial, cuántas ejecuciones debería tener, cómo elegir el tamaño del lote, cómo crear conjuntos de candidatos personalizados para gestionar restricciones inusuales (como la evitación de patentes), cambiar los rangos de factores y gestionar factores difíciles de modificar. Mostramos ejemplos que ilustran el uso creativo de los conjuntos de candidatos para resolver problemas y te enseñamos a gestionar restricciones complejas.
