Siirry sisältöön

Muuta data joksikin, jota voit käyttää.

Luo data- ja koneoppimisprojekteja suoritettavalla työllä, arviointituloksilla ja ladattavilla tuotoksilla.

Toimeksiannosta tulokseen.

01

Kuvaile kysymys

Määrittele tarvitsemasi data, tavoite ja tulos. Tee tarkoitettu arviointi selväksi.

02

Rakenna ja arvioi

Luo projekti, suorita tuettu koulutus- tai ennustustyö ja tarkista erilliset arviointitulokset.

03

Säilytä todisteet

Tarkista raportit ja tulostiedostot, jalosta sitten projektia tai vie tiedostot omaan työnkulkuusi.

Tulokset riippuvat datasta ja arviointiasetuksista. Kvanttikaupankäyntistrategioiden rakentaminen on suunnitteilla; se ei ole tänään käytettävissä oleva tulostyyppi.

Datastasi vastaukseen, jonka voit tarkistaa.

Määrittele kysymys, testaa lähestymistapa ja säilytä tuloksen takana olevat todisteet.

Muotoile kysymys

Anna datalle selkeä tarkoitus.

Kerro tekoälylle, mitä kukin rivi edustaa, mikä kysymys on tärkeä ja millainen olisi hyödyllinen tulos. Projekti voi tutkia kaavoja, luokitella tietueita, ennustaa arvon, ennustaa sarjan tai löytää ryhmiä. Sen raportti tekee datajoukon ja menetelmän näkyväksi.

  • Aloita projektin käytettävissä olevasta datasta ja määritellystä tavoitteesta tai analyysikysymyksestä.
  • Tarkista dataprofiili: sarakkeet, puuttuvat arvot ja olennaiset jakaumat.
  • Määritä tehtävä ja arviointimittari ennen tuloksen arvioimista.
Esimerkki energiadatajoukosta, jossa datataulukko, kysyntäsarja ja lämpötilajakauma

Testaa tulos

Vertaa malleja perusmalliin.

Tuetuissa ohjatuissa tehtävissä alusta erottaa testidatan ennen kuin rakentaja näkee koulutusdatan. Se suorittaa luodun ennustuskoodin, laskee mittarin uudelleen ja vertaa perusmalleja samaan datajakoon. Tarkista tämä riippumaton tulos yhdessä koulutusarvion ja todennushavaintojen kanssa.

  • Erota koulutusarvio alustan uudelleenlasketusta testidatan tuloksesta.
  • Vertaa perusmalleihin ja tarkista datavuotoa koskevat tarkistukset.
  • Käytä havaintoja lähestymistavan jalostamiseen; tulevaa tarkkuutta ei taata.
Havainnollistava mallivertailu, jossa näkyy keskimääräinen absoluuttinen virhe perusmallille, lineaariselle mallille ja boosted trees -mallille

Säilytä todisteet

Lue raportti. Tarkista työ.

Toimitukseen sisältyy suoritettava työ ja raportti, joka selittää ongelman, datan, menetelmän ja tulokset. Tarkista kaaviot, virheanalyysi ja rajoitukset, ja käytä sitten saatavilla olevia projektilatauksia jatkaaksesi omassa työnkulussasi tai pyydä tarkistusta rakennuskeskustelussa.

  • Tarkista havainnot ja rajoitukset yhdessä tukevien kaavioiden ja arvioinnin kanssa.
  • Tarkista koulutus- ja ennustuskoodi saatavilla olevien tulostiedostojen kanssa.
  • Käytä toistamisohjeita ymmärtääksesi, miten tulos on tuotettu.
Esimerkki energiankysyntäraportista havaituilla ja ennustetuilla arvoilla, havainnoilla, rajoituksilla ja tukevilla tiedostoilla

Työnkulku

Pidä työ yhtenäisenä.

  1. Kuvaile tulos

    Selitä kohdeyleisö, haluttu tulos ja rajoitukset. Tarkenna suuntaa ennen etenemistä.

  2. Tarkista työ

    Tarkista luodut tiedostot, saatavilla oleva esikatselu ja tulokseen liittyvät tarkistukset.

  3. Tee seuraava versio

    Pyydä muutoksia ja vie tai käytä kyseisen projektin tukemaa toimitustyönkulkua.

Kysymyksiä ja vastauksia

Vähän selkeyttä ennen aloitusta.

Millaisia dataprojekteja voin rakentaa?+
Datatyönkulku tukee analyysia, luokittelua, regressiota, ennustamista ja klusterointia. Kuvaile kysymys, käytettävissä oleva data ja tulos, jota haluat arvioida.
Mitä briefiin kannattaa sisällyttää?+
Selitä, mitä kukin rivi edustaa, mitä kenttää haluat ennustaa tai analysoida, ja miten arvioit tuloksen hyödyllisyyden. Sisällytä olennaiset rajoitteet ja projektissa käytettävissä oleva data.
Miten mallin tulokset tarkistetaan?+
Tuetuissa ohjatun oppimisen tehtävissä alusta erottaa holdout-datan ennen kuin rakentaja näkee sen, ja laskee arviointitulokset uudelleen. Se myös vertaa perustasoihin ja etsii datan vuotamista. Tarkastele havaintoja raportin ohella.
Mitä saan?+
Projekti voi sisältää koulutus- ja ennustekoodin, raportin, arviointitulokset ja tulostiedostot. Tarkista luodut tiedostot ja käytä saatavilla olevia latausvaihtoehtoja jatkaaksesi niiden parissa.
Voinko parantaa olemassa olevaa tulosta?+
Kyllä. Käytä rakennuskeskustelua kohteen tarkentamiseen, virheen selittämiseen tai eri lähestymistavan pyytämiseen. Tarkista uudet arviointitulokset nähdäksesi, auttoiko muutos.
Takaako hyvä arviointi tulevan tarkkuuden?+
Ei. Arviointi kuvaa suorituskykyä käytetyllä datalla ja testiasetelmalla. Uusi data, muuttuvat olosuhteet ja poikkeamat aiotusta käyttötarkoituksesta voivat muuttaa tulosta.

Mitä sinä rakennat?

Luo rakennus tai anna erikoistuneen tiimin hoitaa seuraava tehtäväsi.