پرش به محتوا

داده را به چیزی قابل استفاده تبدیل کنید.

پروژه‌های داده و یادگیری ماشین را همراه با کار اجراپذیر، نتایج ارزیابی و مصنوعات قابل دانلود ایجاد کنید.

از توضیح تا نتیجه.

01

سؤال را توصیف کنید

داده، هدف و نتیجهٔ موردنیاز را مشخص کنید. ارزیابی موردنظر را روشن سازید.

02

ساخت و ارزیابی

پروژه را تولید کنید، آموزش یا پیش‌بینی پشتیبانی‌شده را اجرا کنید و نتایج ارزیابی جداگانه را بررسی کنید.

03

مدارک را نگه دارید

گزارش‌ها و فایل‌های خروجی را بررسی کنید، سپس پروژه را بهبود دهید یا فایل‌ها را به گردش کار خودتان ببرید.

نتایج به داده و تنظیمات ارزیابی بستگی دارند. ساخت استراتژی معاملهٔ کمی برنامه‌ریزی شده است؛ امروز نوع خروجی موجودی نیست.

از داده‌های شما تا پاسخی قابل بررسی.

سؤال را تعریف کنید، رویکرد را آزمایش کنید و مدارک پشت نتیجه را نگه دارید.

سؤال را چارچوب‌بندی کنید

به داده هدف مشخصی بدهید.

به هوش مصنوعی بگویید هر ردیف نشان‌دهنده چیست، کدام سؤال اهمیت دارد و یک نتیجه مفید چه شکلی خواهد بود. پروژه می‌تواند الگوها را بررسی کند، رکوردها را دسته‌بندی کند، مقداری را پیش‌بینی کند، یک سری زمانی را پیش‌بینی کند یا گروه‌ها را کشف کند. گزارش آن، مجموعه داده و روش را قابل‌مشاهده می‌کند.

  • با داده‌های در دسترس پروژه و یک هدف یا سؤال تحلیلی مشخص شروع کنید.
  • پروفایل داده را بررسی کنید: ستون‌ها، مقادیر گمشده و توزیع‌های مرتبط.
  • قبل از قضاوت درباره نتیجه، وظیفه و معیار ارزیابی را تعیین کنید.
نمونه‌ای از مجموعه‌داده انرژی با جدول داده، سری تقاضا و توزیع دما

نتیجه را آزمایش کنید

مدل‌ها را با یک خط پایه مقایسه کنید.

برای وظایف نظارت‌شده پشتیبانی‌شده، پلتفرم قبل از اینکه سازنده داده‌های آموزشی را ببیند، داده‌های هولداوت را جدا می‌کند. این پلتفرم کد پیش‌بینی تولیدشده را اجرا می‌کند، معیار را دوباره محاسبه می‌کند و مدل‌های خط پایه را روی همان تقسیم‌بندی مقایسه می‌کند. آن نتیجه مستقل را در کنار برآورد آموزشی و یافته‌های راستی‌آزمایی بررسی کنید.

  • برآورد آموزشی را از نتیجه هولداوت محاسبه‌شده توسط پلتفرم جدا کنید.
  • با مدل‌های خط پایه مقایسه کنید و بررسی‌های نشت داده را بازبینی کنید.
  • از یافته‌ها برای بهبود رویکرد استفاده کنید؛ دقت آینده تضمین‌شده نیست.
مقایسهٔ نمونهٔ مدل‌ها که میانگین خطای مطلق را برای مدل پایه، مدل خطی و درخت‌های تقویت‌شده نشان می‌دهد

مدارک را نگه دارید

گزارش را بخوانید. کار را بررسی کنید.

خروجی شامل کار قابل‌اجرا و گزارشی است که مسئله، داده، روش و نتایج را توضیح می‌دهد. نمودارها، تحلیل خطا و محدودیت‌ها را بررسی کنید، سپس از دانلودهای در دسترس پروژه برای ادامه در جریان کاری خود استفاده کنید یا در گفتگوی ساخت درخواست بازنگری دهید.

  • یافته‌ها و محدودیت‌ها را در کنار نمودارهای پشتیبان و ارزیابی بررسی کنید.
  • کد آموزش و پیش‌بینی را همراه با فایل‌های خروجی موجود بررسی کنید.
  • از دستورالعمل‌های بازتولید برای درک نحوه تولید نتیجه استفاده کنید.
گزارش نمونهٔ تقاضای انرژی با مقادیر مشاهده‌شده و پیش‌بینی‌شده، یافته‌ها، محدودیت‌ها و فایل‌های پشتیبان

جریان کار

کار را متصل نگه دارید.

  1. نتیجه را توصیف کنید

    مخاطب، خروجی مطلوب و محدودیت‌ها را توضیح دهید. قبل از ادامه، جهت کار را اصلاح کنید.

  2. کار را بررسی کنید

    فایل‌های تولیدشده، پیش‌نمایش موجود و بررسی‌های مرتبط با خروجی را بازبینی کنید.

  3. نسخه بعدی را بسازید

    درخواست تغییرات دهید، سپس از جریان کار خروجی یا تحویل پشتیبانی‌شده توسط آن پروژه استفاده کنید.

پرسش و پاسخ

کمی شفافیت قبل از شروع.

چه نوع پروژه‌های داده‌ای می‌توانم بسازم؟+
جریان کار داده از تحلیل، دسته‌بندی، رگرسیون، پیش‌بینی و خوشه‌بندی پشتیبانی می‌کند. سؤال، داده‌های در دسترس و نتیجه‌ای که می‌خواهید ارزیابی کنید را توصیف کنید.
در بریف خود چه چیزی باید بگنجانم؟+
توضیح دهید هر ردیف نشان‌دهنده چیست، کدام فیلد را می‌خواهید پیش‌بینی یا تحلیل کنید و چگونه یک نتیجه مفید را قضاوت خواهید کرد. محدودیت‌های مرتبط و داده‌های در دسترس پروژه را نیز بگنجانید.
نتایج مدل چگونه بررسی می‌شوند؟+
برای وظایف نظارت‌شده پشتیبانی‌شده، پلتفرم قبل از اینکه سازنده آن را ببیند داده‌های هولداوت را جدا می‌کند و نتایج ارزیابی را دوباره محاسبه می‌کند. همچنین در برابر خط‌های پایه بررسی می‌کند و به دنبال نشت داده می‌گردد. یافته‌ها را در کنار گزارش بررسی کنید.
چه چیزی دریافت می‌کنم؟+
یک پروژه می‌تواند شامل کد آموزش و پیش‌بینی، گزارش، نتایج ارزیابی و فایل‌های خروجی باشد. فایل‌های تولیدشده را بررسی کنید و از گزینه‌های دانلود موجود برای ادامه کار با آن‌ها استفاده کنید.
آیا می‌توانم نتیجه موجود را بهبود دهم؟+
بله. از گفتگوی ساخت برای اصلاح هدف، توضیح یک خطا یا درخواست رویکردی متفاوت استفاده کنید. نتایج ارزیابی جدید را بررسی کنید تا ببینید آیا این تغییر کمک کرده است یا خیر.
آیا یک ارزیابی خوب، دقت آینده را تضمین می‌کند؟+
خیر. ارزیابی، عملکرد را بر اساس داده و تنظیمات آزمایشی استفاده‌شده توصیف می‌کند. داده‌های جدید، تغییر شرایط و تفاوت‌ها با کاربرد مورد نظر می‌توانند نتیجه را تغییر دهند.

چه چیزی می‌سازید؟

یک ساخت ایجاد کنید، یا یک تیم متخصص را روی وظیفه بعدی خود به کار بگیرید.