데이터 & 머신러닝

실행 가능한 분석 또는 모델링 프로젝트를 빌드하고 결과 이면의 근거를 확인하세요.

질문과 데이터 정의하기

데이터셋, 원하는 결과, 사용할 산출물을 설명하세요. 예: "이 CSV에서 주문 반품 여부를 예측하세요. 모델을 단순 기준선과 비교하고 가장 강력한 예측 변수를 설명하세요." 타겟 열과 식별자 열을 명시하세요.

사용 가능한 데이터셋 제공하기

데이터 또는 지원되는 소스를 제공하고 열의 의미, 결측값, 관련 날짜를 설명하세요. 워크플로는 데이터셋 준비와 선택적 외부 데이터셋 또는 모델 소스를 지원합니다. 외부 서비스와 GPU 실행에는 해당 연결과 런타임이 사용 가능해야 합니다.

평가 방식 합의하기

질문에 맞는 지표를 선택하세요. 지도 학습 프로젝트는 학습 전에 별도의 홀드아웃을 확보할 수 있으며, 플랫폼은 그 평가 데이터를 사용해 예측을 검증합니다. 보고서는 학습 결과와 독립적인 평가 결과를 구분하고 기준선 비교를 설명해야 합니다.

보고서와 산출물 확인하기

생성된 프로젝트에는 실행 가능한 작업물과 보고서 미리보기가 포함됩니다. 브리프에 따라 산출물은 학습 및 예측 코드, 저장된 모델, 예측 결과, 평가 보고서를 포함할 수 있습니다. 실제로 생성된 파일과 결과를 재현하는 데 필요한 명령을 확인하세요.

실패한 실행 처리하기

수정을 요청하기 전에 보고된 문제를 먼저 읽으세요. 타겟 누락, 부적절한 열 유형, 사용할 수 없는 종속성, 런타임 소진 등이 유효한 결과를 막을 수 있습니다. 데이터나 브리프를 수정하고 다시 실행한 뒤 새 보고서를 확인하세요. 차트만으로는 학습이 성공했다는 증거가 되지 않습니다.

다듬고 재사용하세요

같은 빌드 대화에서 다른 기능, 모델 비교, 설명을 요청하세요. 자신의 환경에서 작업을 이어가야 한다면 생성된 프로젝트를 다운로드하세요. 데이터 전제와 평가 설정을 결과와 함께 보관하세요.

범위 이해하기

데이터 프로젝트는 커스텀 AI 에이전트나 내장 Agent Team과는 다른 산출물입니다. 전용 정량 트레이딩 전략 워크플로는 아직 계획 단계이며, 이 가이드에서는 이를 현재 사용 가능한 빌더 유형으로 다루지 않습니다.