Dados e machine learning

Crie um projeto executável de análise ou modelagem e inspecione as evidências por trás dos resultados.

Defina a pergunta e os dados

Descreva o conjunto de dados, o resultado desejado e o entregável que você usará. Por exemplo: “Preveja se um pedido será devolvido a partir deste CSV. Compare o modelo com uma base simples e explique os preditores mais fortes.” Identifique a coluna de destino e quaisquer colunas de identificador.

Forneça um conjunto de dados utilizável

Forneça os dados ou uma fonte suportada e explique o significado das colunas, valores ausentes e datas relevantes. O fluxo de trabalho suporta preparação de conjuntos de dados e fontes externas opcionais de dados ou modelos. Serviços externos e execução em GPU exigem a conexão e o ambiente de execução disponíveis correspondentes.

Combine a avaliação

Escolha uma métrica adequada à pergunta. Um projeto supervisionado pode reservar um conjunto de validação separado antes do treinamento; a plataforma usa esses dados de avaliação para verificar as previsões. O relatório deve distinguir resultados de treinamento de avaliação independente e explicar a comparação com a base.

Leia o relatório e os artefatos

O projeto gerado inclui trabalho executável e uma pré-visualização do relatório. Dependendo do briefing, os resultados podem incluir código de treinamento e previsão, modelos salvos, previsões e relatórios de avaliação. Inspecione os arquivos realmente produzidos e os comandos necessários para reproduzir o resultado.

Lide com uma execução falha

Leia o problema relatado antes de solicitar uma correção. Um destino ausente, tipos de coluna inadequados, dependências indisponíveis ou tempo de execução esgotado podem impedir um resultado válido. Corrija os dados ou o briefing, execute novamente e verifique o novo relatório; um gráfico isolado não é prova de um treinamento bem-sucedido.

Refine e reutilize

Solicite outro recurso, comparação de modelos ou explicação na mesma conversa de criação. Baixe o projeto gerado quando precisar continuar em seu próprio ambiente. Mantenha as suposições de dados e a configuração de avaliação junto com o resultado.

Entenda o escopo

Um projeto de dados é um resultado diferente de um agente de IA personalizado ou de uma Equipe de Trabalho integrada. Um fluxo de trabalho dedicado para estratégias de negociação quantitativa continua planejado; estes guias não o descrevem como um tipo de builder disponível.