Data & machine learning

Bangun proyek analisis atau pemodelan yang dapat dieksekusi dan periksa bukti di balik hasilnya.

Tentukan pertanyaan dan datanya

Jelaskan dataset, hasil yang diinginkan, dan deliverable yang akan digunakan. Contoh: "Prediksi apakah suatu pesanan akan dikembalikan berdasarkan CSV ini. Bandingkan model dengan baseline sederhana dan jelaskan prediktor terkuatnya." Tentukan kolom target dan kolom identifier yang ada.

Sediakan dataset yang dapat digunakan

Sediakan data atau sumber yang didukung dan jelaskan makna kolom, nilai yang hilang, serta tanggal yang relevan. Alur kerja ini mendukung penyiapan dataset dan sumber dataset atau model eksternal opsional. Layanan eksternal dan eksekusi GPU memerlukan koneksi dan runtime yang sesuai dan tersedia.

Sepakati metode evaluasi

Pilih metrik yang sesuai dengan pertanyaan Anda. Proyek supervised dapat menyisihkan holdout terpisah sebelum pelatihan; platform menggunakan data evaluasi tersebut untuk memeriksa prediksi. Laporan harus membedakan hasil pelatihan dari evaluasi independen dan menjelaskan perbandingan dengan baseline.

Baca laporan dan artifact

Proyek yang dihasilkan mencakup pekerjaan yang dapat dieksekusi dan pratinjau laporan. Tergantung pada brief, output dapat mencakup kode pelatihan dan prediksi, model tersimpan, prediksi, dan laporan evaluasi. Periksa berkas yang benar-benar dihasilkan serta perintah yang diperlukan untuk mereproduksi hasilnya.

Menangani proses yang gagal

Baca masalah yang dilaporkan sebelum meminta perbaikan. Target yang hilang, tipe kolom yang tidak sesuai, dependensi yang tidak tersedia, atau runtime yang habis dapat mencegah hasil yang valid. Perbaiki data atau brief, jalankan lagi, dan periksa laporan baru; sebuah grafik saja bukan bukti pelatihan yang berhasil.

Sempurnakan dan gunakan kembali

Minta fitur lain, perbandingan model, atau penjelasan tambahan dalam percakapan build yang sama. Unduh proyek yang dihasilkan bila Anda perlu melanjutkan di lingkungan Anda sendiri. Simpan asumsi data dan pengaturan evaluasi bersama hasilnya.

Pahami cakupannya

Proyek data adalah output yang berbeda dari agen AI kustom atau Agent Team bawaan. Alur kerja khusus strategi trading kuantitatif masih dalam rencana; panduan ini tidak menyebutkannya sebagai jenis builder yang tersedia.