Describe la pregunta
Define los datos, el objetivo y el resultado que necesitas. Deja clara la evaluación prevista.
Convierte los datos en algo que puedas usar.
Crea proyectos de datos y aprendizaje automático con trabajo ejecutable, resultados de evaluación y artefactos descargables.
Del brief al resultado.
Construye y evalúa
Genera el proyecto, ejecuta el entrenamiento o la predicción admitidos e inspecciona los resultados de evaluación por separado.
Conserva la evidencia
Revisa los informes y los archivos de salida, y luego perfecciona el proyecto o lleva los archivos a tu propio flujo de trabajo.
Los resultados dependen de los datos y la configuración de evaluación. Las compilaciones de estrategias de trading cuantitativo están planificadas; no son un tipo de salida disponible hoy.
De tus datos a una respuesta que puedes inspeccionar.
Define la pregunta, prueba el enfoque y conserva la evidencia detrás del resultado.
Enmarca la pregunta
Dale a los datos un propósito claro.
Indica a la IA qué representa cada fila, qué pregunta importa y cómo debería ser un resultado útil. El proyecto puede explorar patrones, clasificar registros, predecir un valor, pronosticar una serie o descubrir grupos. Su informe deja visible el conjunto de datos y el método.
- Comienza con los datos disponibles del proyecto y un objetivo o pregunta de análisis definidos.
- Revisa el perfil de los datos: columnas, valores faltantes y distribuciones relevantes.
- Define la tarea y la métrica de evaluación antes de juzgar el resultado.
Prueba el resultado
Compara los modelos con una línea base.
En las tareas supervisadas compatibles, la plataforma separa los datos de reserva (holdout) antes de que el generador vea los datos de entrenamiento. Ejecuta el código de predicción generado, vuelve a calcular la métrica y compara los modelos base con la misma partición. Revisa ese resultado independiente junto con la estimación del entrenamiento y los hallazgos de verificación.
- Separa la estimación del entrenamiento del resultado de reserva recalculado por la plataforma.
- Compara con modelos base y revisa las comprobaciones de fuga de datos.
- Usa los hallazgos para mejorar el enfoque; la precisión futura no está garantizada.
Conserva la evidencia
Lee el informe. Revisa el trabajo.
El entregable incluye trabajo ejecutable y un informe que explica el problema, los datos, el método y los resultados. Revisa los gráficos, el análisis de errores y las limitaciones; luego usa las descargas disponibles del proyecto para continuar en tu propio flujo de trabajo o solicita una revisión en la conversación de construcción.
- Revisa los hallazgos y las limitaciones junto con los gráficos y la evaluación de respaldo.
- Revisa el código de entrenamiento y predicción junto con los artefactos de salida disponibles.
- Usa las instrucciones de reproducción para entender cómo se obtuvo el resultado.
El flujo de trabajo
Mantén el trabajo conectado.
Describe el resultado
Explica el público, el resultado deseado y las restricciones. Perfecciona la dirección antes de avanzar.
Revisa el trabajo
Revisa los archivos generados, la vista previa disponible y las comprobaciones relevantes para el resultado.
Crea la siguiente versión
Solicita cambios y luego exporta o usa el flujo de entrega compatible con ese proyecto.
Descubre qué sigue.
Ver todos los creadores
Constructor de sitios web con IA
Crea landing pages, tiendas online y sitios de contenido. Describe la audiencia y la experiencia, luego revisa y perfecciona la construcción.
Explorar AI Website Builder
Constructor de apps con IA
Construye apps web, móviles y de escritorio en torno a la tarea que deben resolver. Previsualiza la experiencia, perfecciónala y prepara el paquete adecuado.
Explorar AI App Builder
Constructor de juegos con IA
Convierte una idea de juego en un proyecto jugable. Define las reglas, personajes y mundo, luego prueba y perfecciona la experiencia.
Explorar Constructor de Juegos IAPreguntas y respuestas
Un poco de claridad antes de empezar.
¿Qué tipos de proyectos de datos puedo crear?+
El flujo de trabajo de datos admite análisis, clasificación, regresión, pronóstico y agrupamiento. Describe la pregunta, los datos disponibles y el resultado que quieres evaluar.
¿Qué debo incluir en mi brief?+
Explica qué representa cada fila, qué campo quieres predecir o analizar y cómo juzgarás un resultado útil. Incluye las restricciones relevantes y los datos disponibles del proyecto.
¿Cómo se verifican los resultados de los modelos?+
En las tareas supervisadas compatibles, la plataforma separa los datos de reserva antes de que el generador los vea y vuelve a calcular los resultados de evaluación. También compara con líneas base y busca fugas de datos. Revisa los hallazgos junto con el informe.
¿Qué recibo?+
Un proyecto puede incluir código de entrenamiento y predicción, un informe, resultados de evaluación y artefactos de salida. Revisa los archivos generados y usa las opciones de descarga disponibles para seguir trabajando con ellos.
¿Puedo mejorar un resultado existente?+
Sí. Usa la conversación de construcción para ajustar el objetivo, explicar un error o solicitar un enfoque diferente. Revisa los nuevos resultados de evaluación para ver si el cambio ayudó.
¿Una buena evaluación garantiza precisión futura?+
No. La evaluación describe el rendimiento con los datos y la configuración de prueba utilizados. Los datos nuevos, las condiciones cambiantes y las diferencias respecto al uso previsto pueden cambiar el resultado.
¿Qué vas a crear?
Crea una construcción o pon a trabajar un equipo especializado en tu próxima tarea.