深度学习、大数据和人工智能:这些是我们现在每天都会遇到的流行语,无论是在工业界还是学术界。传统的工程师和科学家学位课程包括一到两节统计学入门课程。我们现在应该用深度学习和人工智能来取代它们吗?
一些深度学习算法的成功是无可争议的,但它们的适用性也是有限的。在简要介绍了深度学习之后,我们说明了该技术目前存在的问题和局限性。然后,我们展示了一些来自统计建模的高级技术,工程师和科学家应该在他们的工具箱中-即使在人工智能时代!
在本次网络研讨会期间,您将:
- 快速了解深度学习及其应用和局限性
- 查看一些高级统计建模技术
- 讨论我们是否需要取代大学课程中的传统统计学课程
主讲人:David Meintrup,英戈尔施塔特应用科学大学
主讲人:Volker Kraft, JMP欧洲学术大使
沃尔克·克拉夫特是JMP的高级学术大使。拥有电气工程背景的卡夫长期以来一直使用统计方法研究心理声学和语音交流,后来将分析应用于沃达丰(Vodafone)和Voxeo的电信客户宣传。
主持人:Benjamin Valsler,《化学世界》的数字编辑manbetx手机客户端3.0
自1989年推出第一个版本的JMP统计发现软件以来,JMP一直是SAS的一部分,将交互式数据可视化和分析带到桌面。SAS是商业分析软件和服务的领导者,也是商业智能市场上最大的独立供应商。通过创新的解决方案,SAS帮助60,000多个站点的客户通过更快地做出更好的决策来提高性能并创造价值。自1976年以来,SAS一直为世界各地的客户提供the POWER TO KNOW®。