İstatistikler, en iyi ihtimalle somuttan daha azca olduğu ve en fena ihtimalle düpedüz yanıltıcı olduğundan matematik çevrelerinde çoğu zaman fena bir üne haizdir. Bu duygular, siyasal anketler şeklinde şeyler için doğru şeklinde görünse de, istatistiksel yöntemlerin mühendislik sistemlerinde mükemmel neticelerle iyi bir halde kullanılabileceği gerçeğini gizler. [Mark Smith]mesela, muhteşem bir kahve çekimi yapabilen bir espresso makinesi üstünde çalışıyor ve bir sorunu çözmek için istatistik araç kutusundaki araçlardan birine döndü karmaşık kahve demleme makinesine başka bir sensör eklemek yerine.
Espresso yapmak için, ondan sonra ince öğütülmüş kahveden geçirilen buğu üretilir. [Mark] espresso makinesinin çoğu zaman fazlaca fazla yada fazlaca azca kahve döktüğünü keşfetti ve makinesinin bu alandaki doğruluğunu çoğaltmak için doğrusal regresyon parametresi R’ye döndü.2, hem de belirleme katsayısı olarak da bilinir. Bir veri setindeki öngörülebilir varyasyonu değerlendiren bu değere ayarlanmış bir makine öğrenme algoritması kullanarak, bir bilgisayar, makinedeki tazyik ve su akışına bağlı olarak kahvenin portafiltreden ve espresso fincanına ne vakit dökülmeye başladığını daha kolay anlayabilir. Bardağın ağırlığı şeklinde başka bir girdi kullanmak yerine kendisi.
Geçmişte gördük ne kadar ciddi [Mark] kahve yapımını alırve bu, ekipmanında yapmış olduğu bir takım iyileştirmenin bir başka adımı. Bu yinelemede, sistemi modellemede ve daha da doğru tahminlerde bulunmada kendisine daha iyi destek olmak için JupyterLab’da ek olarak bir simülasyon üretti. Sensör eklemekten birazcık daha çok çaba gerektiriyor, sadece espresso makinesi aslına bakarsan çok çok fazla informasyon işlem gücü içerdiğinden, yapması fazlaca büyük bir sıçrama değil.
Yoruma kapalı.