Dane i uczenie maszynowe
Zbuduj wykonywalny projekt analityczny lub modelowy i przejrzyj dowody stojące za jego wynikami.
Zdefiniuj pytanie i dane
Opisz zbiór danych, wynik, który chcesz uzyskać, oraz produkt, który będziesz wykorzystywać. Na przykład: „Przewiduj, czy zamówienie zostanie zwrócone na podstawie tego pliku CSV. Porównaj model z prostym punktem odniesienia i wyjaśnij najsilniejsze predyktory”. Wskaż kolumnę docelową i wszelkie kolumny identyfikacyjne.
Zapewnij użyteczny zbiór danych
Podaj dane lub obsługiwane źródło i wyjaśnij znaczenie kolumn, brakujące wartości i istotne daty. Przepływ pracy obsługuje przygotowanie zbioru danych oraz opcjonalne zewnętrzne źródła danych lub modeli. Usługi zewnętrzne i wykonanie na GPU wymagają odpowiedniego dostępnego połączenia i środowiska wykonawczego.
Uzgodnij ewaluację
Wybierz metrykę odpowiadającą pytaniu. Projekt z uczeniem nadzorowanym może zarezerwować odrębny zestaw walidacyjny przed treningiem; platforma wykorzystuje te dane ewaluacyjne do sprawdzania przewidywań. Raport powinien rozróżniać wyniki treningowe od niezależnej ewaluacji i wyjaśniać porównanie z punktem odniesienia.
Przeczytaj raport i artefakty
Wygenerowany projekt zawiera wykonywalną pracę i podgląd raportu. W zależności od briefu wyniki mogą obejmować kod treningowy i predykcyjny, zapisane modele, przewidywania oraz raporty ewaluacyjne. Przejrzyj pliki, które faktycznie zostały wytworzone, oraz komendy potrzebne do odtworzenia wyniku.
Obsłuż nieudane uruchomienie
Przeczytaj zgłoszony problem przed poproszeniem o poprawkę. Brakująca kolumna docelowa, nieodpowiednie typy kolumn, niedostępne zależności lub wyczerpany czas wykonania mogą uniemożliwić uzyskanie prawidłowego wyniku. Popraw dane lub brief, uruchom ponownie i sprawdź nowy raport; sam wykres nie jest dowodem udanego treningu.
Doprecyzuj i wykorzystaj ponownie
Poproś o kolejną funkcję, porównanie modeli lub wyjaśnienie w tej samej rozmowie budowy. Pobierz wygenerowany projekt, gdy chcesz kontynuować w swoim własnym środowisku. Zachowaj założenia dotyczące danych i konfigurację ewaluacji wraz z wynikiem.
Zrozum zakres
Projekt danych to inny rodzaj wyniku niż niestandardowy agent AI lub wbudowany Agent Team. Dedykowany przepływ pracy strategii tradingu kwantowego pozostaje w planach; te przewodniki nie opisują go jako dostępnego typu narzędzia do budowy.