Datos y aprendizaje automático
Crea un proyecto ejecutable de análisis o modelado e inspecciona la evidencia detrás de sus resultados.
Define la pregunta y los datos
Describe el conjunto de datos, el resultado que quieres obtener y el entregable que usarás. Por ejemplo: «Predice si un pedido será devuelto a partir de este CSV. Compara el modelo con una referencia sencilla y explica los predictores más determinantes». Identifica la columna objetivo y las columnas identificadoras.
Proporciona un conjunto de datos utilizable
Proporciona los datos o una fuente compatible y explica el significado de las columnas, los valores ausentes y las fechas relevantes. El flujo de trabajo admite la preparación de conjuntos de datos y, opcionalmente, fuentes externas de datos o modelos. Los servicios externos y la ejecución con GPU requieren la conexión y el entorno de ejecución disponibles correspondientes.
Acuerda la evaluación
Elige una métrica adecuada para la pregunta. Un proyecto supervisado puede reservar un conjunto de validación independiente antes del entrenamiento; la plataforma usa esos datos de evaluación para comprobar las predicciones. El informe debe distinguir los resultados de entrenamiento de la evaluación independiente y explicar la comparación con la referencia.
Lee el informe y los artefactos
El proyecto generado incluye trabajo ejecutable y una vista previa del informe. Según el encargo, los resultados pueden incluir código de entrenamiento y predicción, modelos guardados, predicciones e informes de evaluación. Inspecciona los archivos que realmente se generaron y los comandos necesarios para reproducir el resultado.
Gestiona una ejecución fallida
Lee el problema notificado antes de pedir una corrección. Una columna objetivo ausente, tipos de columna inadecuados, dependencias no disponibles o un tiempo de ejecución agotado pueden impedir un resultado válido. Corrige los datos o el encargo, vuelve a ejecutar y revisa el nuevo informe; un gráfico por sí solo no demuestra que el entrenamiento se haya realizado con éxito.
Perfecciona y reutiliza
Solicita otra característica, comparación de modelos o explicación en la misma conversación de creación. Descarga el proyecto generado cuando necesites continuar en tu propio entorno. Conserva junto con el resultado los supuestos sobre los datos y la configuración de evaluación.
Comprende el alcance
Un proyecto de datos es un tipo de resultado distinto al de un agente de IA personalizado o un equipo integrado de Workload. Un flujo de trabajo dedicado a estrategias de trading cuantitativo sigue estando planificado; estas guías no lo describen como un tipo de creador disponible.