コンテンツへスキップ

データを使えるものに変える。

実行可能な作業内容、評価結果、ダウンロード可能な成果物を含む、データ・機械学習プロジェクトを作成します。

要件定義から結果まで。

01

課題を説明する

必要なデータ、目標、結果を明確にします。想定する評価方法も明示しましょう。

02

構築と評価

プロジェクトを生成し、対応しているトレーニングや予測処理を実行して、独立した評価結果を確認します。

03

根拠を保持する

レポートと出力成果物を確認し、プロジェクトを改善するか、ファイルを自分のワークフローに取り込みます。

結果はデータと評価設定に依存します。クオンツトレーディング戦略の構築は計画中であり、現時点では利用可能な出力タイプではありません。

あなたのデータから、検証可能な答えへ。

課題を定義し、アプローチを検証し、結果の根拠を保持します。

問いを定義する

データに明確な目的を持たせる。

各行が何を表すか、どの問いが重要か、有用な結果とはどのようなものかをAIに伝えます。プロジェクトはパターンの探索、レコードの分類、値の予測、系列の予測、グループの発見を行うことができます。レポートにはデータセットと手法が明示されます。

  • プロジェクトで利用可能なデータと、明確に定義された目標または分析課題から始めます。
  • 列、欠損値、関連する分布などデータプロファイルを確認します。
  • 結果を評価する前にタスクと評価指標を設定します。
データテーブル、需要系列、気温分布を含むエネルギーデータセットの例

結果を検証する

モデルをベースラインと比較する。

サポートされている教師あり学習タスクでは、ビルダーが学習データを参照する前にホールドアウトデータを分離します。生成された予測コードを実行し、指標を再計算して、同じ分割でベースラインモデルと比較します。この独立した結果を、学習時の推定値や検証結果と合わせて確認してください。

  • 学習時の推定値と、プラットフォームが再計算したホールドアウト結果を分けて確認する。
  • ベースラインモデルと比較し、データリークのチェックを確認する。
  • 得られた知見をもとにアプローチを改善します。ただし、将来の精度は保証されません。
ベースライン、線形モデル、勾配ブースティング木の平均絶対誤差を示すモデル比較のイメージ図

根拠を保持する

レポートを読む。作業内容を確認する。

成果物には、実行可能な作業内容と、問題・データ・手法・結果を説明するレポートが含まれます。グラフ、誤差分析、限界事項を確認し、利用可能なプロジェクトのダウンロード機能で自身のワークフローに組み込むか、ビルド用の会話で改訂を依頼してください。

  • 調査結果と限界事項を、裏付けとなるグラフや評価と併せて確認する。
  • 学習・予測コードを、利用可能な出力成果物と併せて確認する。
  • 再現手順を使って、結果がどのように導かれたかを理解する。
観測値と予測値、所見、限界事項、関連ファイルを含むエネルギー需要レポートの例

ワークフロー

作業を連携させておく。

  1. 求める結果を説明する

    対象読者、希望する出力、制約事項を説明します。進める前に方向性を調整してください。

  2. 作業内容を確認する

    生成されたファイル、利用可能なプレビュー、その出力に関連するチェック項目を確認します。

  3. 次のバージョンを作成する

    変更を依頼し、そのプロジェクトがサポートするエクスポートまたは納品ワークフローを利用します。

よくある質問と回答

始める前に、少しだけ整理しておきましょう。

どのようなデータプロジェクトを構築できますか?+
データワークフローは分析、分類、回帰、予測、クラスタリングに対応しています。問い、利用可能なデータ、評価したい結果を説明してください。
ブリーフには何を含めるべきですか?+
各行が何を表すか、予測または分析したいフィールド、有用な結果をどう判断するかを説明してください。関連する制約事項とプロジェクトで利用可能なデータも含めてください。
モデルの結果はどのように検証されますか?+
サポートされている教師あり学習タスクでは、ビルダーがデータを参照する前にプラットフォームがホールドアウトデータを分離し、評価結果を再計算します。また、ベースラインとの比較やデータリークの確認も行います。調査結果をレポートと併せて確認してください。
何が提供されますか?+
プロジェクトには、学習・予測コード、レポート、評価結果、出力成果物が含まれる場合があります。生成されたファイルを確認し、利用可能なダウンロードオプションを使って作業を継続してください。
既存の結果を改善できますか?+
はい。ビルド用の会話を使って目標を調整したり、エラーを説明したり、別のアプローチを依頼したりできます。新しい評価結果を確認し、変更が効果的だったかどうかを確認してください。
良い評価結果は将来の精度を保証しますか?+
いいえ。評価は、使用したデータとテスト設定における性能を示すものです。新しいデータや条件の変化、想定していた用途との違いによって結果が変わる可能性があります。

何をつくりますか?

ビルドを作成するか、専門チームに次のタスクを任せましょう。