Améliorer les projets «Big Data»
Ronald Snee, PhD, président, Snee Associates
Richard De Veaux, Professeur de statistique C. Carlisle et Margaret Tippit, Williams College
Roger Hoerl, PhD, professeur adjoint, Union College
JMP propose un certain nombre d'outils avancés pour analyser des ensembles de données volumineux, notamment la mise en cluster des partitions, des neurones et des k-means. Ces outils permettent aux statisticiens professionnels, mais également aux utilisateurs occasionnels, d'accéder à des méthodes statistiques sophistiquées. Comme pour tout outil, les résultats attendus sont proportionnels aux connaissances et aux compétences de l'utilisateur. Malheureusement, une grande partie de la littérature sur l'exploration de données, l'apprentissage automatique et les "données volumineuses" peut donner aux utilisateurs occasionnels l'impression que, si vous disposez d'un algorithme assez puissant et de nombreuses données, vous bénéficiez de bons modèles et de bons résultats. Cette session se concentrera sur trois principes importants qui, à notre avis, ont été sous-estimés dans la littérature: L'importance d'utiliser des approches séquentielles pour la recherche scientifique, par opposition aux "études ponctuelles"; la nécessité que la modélisation empirique soit guidée par la théorie de la matière, y compris l'interprétation des données dans le contexte du processus et du système de mesure qui les a générées; et l'hypothèse non affirmée typique selon laquelle toutes les données sont créées de la même manière et que, par conséquent, la quantité de données est plus importante que la qualité des données. Nous discuterons des problèmes qui peuvent survenir lorsque ces fondements sont ignorés et partagerons nos idées et expériences sur la manière d’améliorer les projets d’exploration de données.
