머신러닝과 R 통합으로 공정 결함을 줄이는 4단계 4 Steps to Reduce Process Defects with Machine Learning and R Integration
Minitab의 R을 이용하여 신경망을 구축하는 방법과 자체적인 예측 분석 모듈을 이용하여 결과 보완 및 비교하는 방법을 살펴봅니다. We explore how to build a Neural Network in Minitab using R to compliment and compare with results from our own Predictive Analytics module.
미래는 지금입니다: 예측 분석을 통한 공급망의 개선 The Future is Now: Improving the Supply Chain with Predictive Analytics
예측 분석을 통해 공급망에서 재고, 노선 계획, 리스크 관리, 고객 만족등을 최적화하는 방법을 알아보세요 See how predictive analytics can be used in the supply chain to optimize inventory, route planning, risk management, customer satisfaction and more.
머신 러닝을 위한 기능 엔지니어링이란? Demystifying Feature Engineering for Machine Learning
머신러닝을 위한 피쳐 엔지니어링의 중요성과 데이터 조작의 관련성을 알아보고 Minitab을 통해 적절한 기술 활용을 경험하세요.
Minitab에서 버튼 하나로 신속하게 Python 스크립트 실행하기 Quickly Run a Python Script with a Button in Minitab
Minitab 인터페이스에 간편하게 맞춤 분석을 추가하는 방법을 찾고 계셨다면 계속 읽어보세요. Minitab의 새로운 Python 통합 기능을 통해 Minitab의 인터페이스에서 버튼 하나만으로 손쉽게 맞춤 Python 코드를 실행할 수 있습니다. 프로그래밍 지식이 없어도 걱정하지 마세요. 프로그래머가 아닌 저도 할 수 있으니 여러분도 하실 수 있습니다.
종이 생산을 위한 의사 결정 트리 Minitab 의 예측적 분석 및 근본 원인 분석 Trimming Decision Trees to Make Paper: Predictive Analytics and Root Cause Analysis in Minitab
절차를 통해서 점점 더 많은 관찰 데이터를 수집함에 따라, 의미 있는 통찰력을 제공할 수 있는 새로운 도구가 필요할 수 있습니다. 전통적인 통계 도구에 현대적인 기계 학습 기법을 추가하여 절차를 분석하고 개선하며 관리할 수 있습니다.