首頁

> 產品新知

產品新知

2019.09.04

Mathematica

和弦圖 (Chord diagrams) 是顯示矩陣中資料之間相互關係的圖形方法;資料圍繞圓形放射狀排列,點之間的關係通常繪製為將資料連接在一起的弧形。麻省理工學院的學生使用Mathematica,分析歐洲歌唱大賽分數資料集,將資料以和弦圖呈現,並將此功能分享於 Wolfram 函數知識庫。

2019.09.04

Stata

Stata 原廠正舉辦一系列Stata 16 新功能免費網絡研討會,Stata資深統計分析師與研發工程師於 9月18日的研討會介紹Lasso用於預測;9月19日的研討會將介紹Lasso模型選擇後的推論;10月4日的研討會將介紹非線性DSGE模型。在每個一小時的研討會中,將詳細討論功能與展示範例,讓參與者深入了解特定功能。

2019.09.04

Altair®RapidMiner®

AI 和機器學習帶來的好處可以分為以下三點:速度、規模化和便利性。不同以往由資料科學家所進行的重複的分析,和速度與規模化最相關的就是因大數據自動化分析而改善的整體效率,並且由於AI和機器學習的技術與硬體資源不斷地進步,可能2年前還很複雜的問題,如今已經能夠在很短的時間內處理完畢。此外,自動化分析也能夠透過雲端部署的方式進行即時的管理和部署。在便利性方面,各種相關平台的出現,也讓AI和機器學習的使用能更直覺、更容易、並且提供更穩定的計算結果。

2019.08.06

Stata

Stata新增新功能導覽影片,示範如何使用 Stata 並解決特定問題,其中包含:以 Lasso 為基礎的機器學習、可重製的報表、統合分析 (Meta-analysis)、選擇模型、與 Python 整合、貝氏分析新增功能、匯入 SAS and SPSS 資料、載入多個資料集到記憶體、非線性 DSGE 模型、Do-file 編輯器新增自動完成功能…等。

2019.08.06

Altair®RapidMiner®

如何將預測模型部署在正式環境,將即時資料與模型串接以實現即時性的預測?在演算法開發的過程中,用來測試的資料基本上是舊的、非即時的,並且資料來源會是固定的,與實際線上運作時完全不同。那麼如何才能在部署之前先做好準備,避免上線後才發現Bug、導致資料流斷鏈,引發營運危機呢?作者Martin Schmitz在文中也提出了幾點讓讀者思考,希望大家在轉型的過程中能最小化各種風險,一起進入機器學習領域。

2019.08.06

Mathematica

從全球範圍討論氣候變化相對簡單,但找出地方層級的影響可能具有挑戰性。能源供應商的事業開發經理運用 Wolfram 語言中內建的各種工具,來全面處理和描述來自美國國家海洋暨大氣總署的資料,其保留了從 1895年到現在的美國本土48個州中每個郡的月平均溫度資料集。可查看各郡過去一百年來年平均氣溫的變化。