Dati e machine learning
Crea un progetto eseguibile di analisi o modellazione ed esamina le prove dietro i suoi risultati.
Definisci la domanda e i dati
Descrivi il dataset, il risultato desiderato e il deliverable che userai. Ad esempio: "Prevedi se un ordine verrà reso a partire da questo CSV. Confronta il modello con una baseline semplice e spiega i predittori più forti." Identifica la colonna target e le eventuali colonne identificative.
Fornisci un dataset utilizzabile
Fornisci i dati o una fonte supportata e spiega il significato delle colonne, i valori mancanti e le date rilevanti. Il workflow supporta la preparazione del dataset e, facoltativamente, fonti esterne di dataset o modelli. I servizi esterni e l'esecuzione su GPU richiedono la relativa connessione e il runtime disponibili.
Concorda la valutazione
Scegli una metrica adatta alla domanda. Un progetto supervisionato può riservare un holdout separato prima dell'addestramento; la piattaforma usa questi dati di valutazione per verificare le previsioni. Il report deve distinguere i risultati di addestramento da quelli della valutazione indipendente e spiegare il confronto con la baseline.
Leggi il report e gli artifact
Il progetto generato include lavoro eseguibile e un'anteprima del report. A seconda del brief, gli output possono includere codice di addestramento e previsione, modelli salvati, previsioni e report di valutazione. Esamina i file effettivamente prodotti e i comandi necessari per riprodurre il risultato.
Gestisci un'esecuzione fallita
Leggi il problema segnalato prima di richiedere una correzione. Un target mancante, tipi di colonna non adatti, dipendenze non disponibili o runtime esaurito possono impedire un risultato valido. Correggi i dati o il brief, esegui di nuovo e controlla il nuovo report; un grafico da solo non è prova di un addestramento riuscito.
Perfeziona e riutilizza
Richiedi un'altra funzionalità, un confronto tra modelli o una spiegazione nella stessa conversazione di build. Scarica il progetto generato quando devi continuare nel tuo ambiente. Mantieni le ipotesi sui dati e la configurazione di valutazione insieme al risultato.
Capisci l'ambito
Un progetto dati è un output diverso da un agente AI personalizzato o da un Agent Team integrato. Un workflow dedicato per strategie di trading quantitativo resta pianificato; queste guide non lo descrivono come tipo di builder attualmente disponibile.