Data & maskinlæring

Byg et eksekverbart analyse- eller modelleringsprojekt, og undersøg belægget bag resultaterne.

Definer spørgsmålet og dataene

Beskriv datasættet, det ønskede resultat og den leverance, du vil bruge. For eksempel: “Forudsig, om en ordre bliver returneret, ud fra denne CSV-fil. Sammenlign modellen med en simpel baseline, og forklar de stærkeste prædiktorer.” Angiv målkolonnen og eventuelle id-kolonner.

Lever et brugbart datasæt

Lever dataene eller en understøttet kilde, og forklar kolonnernes betydning, manglende værdier og relevante datoer. Workflowet understøtter klargøring af datasæt og valgfrie eksterne datasæt- eller modelkilder. Eksterne tjenester og GPU-kørsel kræver den tilsvarende tilgængelige forbindelse og runtime.

Aftal evaluering

Vælg en metrik, der passer til spørgsmålet. Et supervised projekt kan reservere et separat holdout, før træningen påbegyndes; platformen bruger disse evalueringsdata til at tjekke forudsigelser. Rapporten bør adskille træningsresultater fra uafhængig evaluering og forklare baseline-sammenligningen.

Læs rapporten og artefakterne

Det genererede projekt indeholder eksekverbart arbejde og en rapportforhåndsvisning. Afhængigt af briefen kan output omfatte trænings- og forudsigelseskode, gemte modeller, forudsigelser og evalueringsrapporter. Undersøg de filer, der faktisk blev produceret, og de kommandoer, der kræves for at reproducere resultatet.

Håndter en mislykket kørsel

Læs det rapporterede problem, før du beder om en rettelse. Et manglende mål, uegnede kolonnetyper, utilgængelige afhængigheder eller opbrugt runtime kan forhindre et gyldigt resultat. Ret dataene eller briefen, kør igen, og tjek den nye rapport; et diagram alene er ikke bevis for en vellykket træningskørsel.

Finjustér og genbrug

Bed om endnu en funktion, modelsammenligning eller forklaring i den samme buildsamtale. Download det genererede projekt, når du skal fortsætte i dit eget miljø. Behold dataantagelserne og evalueringsopsætningen sammen med resultatet.

Forstå omfanget

Et dataprojekt er et andet output end en tilpasset AI-agent eller et indbygget Agent Team. Et dedikeret workflow til kvantitativ handelsstrategi er stadig planlagt; disse guides beskriver det ikke som en tilgængelig buildertype.