Descreva a questão
Defina os dados, o alvo e o resultado de que precisa. Deixe clara a avaliação pretendida.
Transforme dados em algo que pode usar.
Crie projetos de dados e machine learning com trabalho executável, resultados de avaliação e artefactos descarregáveis.
Do briefing ao resultado.
Construa e avalie
Gere o projeto, execute o treino ou a previsão suportados e inspecione os resultados de avaliação separados.
Guarde as provas
Reveja relatórios e ficheiros de resultados e depois refine o projeto ou leve os ficheiros para o seu próprio fluxo de trabalho.
Os resultados dependem dos dados e da configuração da avaliação. As compilações de estratégias de trading quantitativo estão planeadas; não são hoje um tipo de resultado disponível.
Dos seus dados a uma resposta que pode inspecionar.
Defina a questão, teste a abordagem e guarde as provas por trás do resultado.
Defina a questão
Dê um objetivo claro aos dados.
Diga à IA o que cada linha representa, qual a questão que importa e como deve ser um resultado útil. O projeto pode explorar padrões, classificar registos, prever um valor, projetar uma série ou descobrir grupos. O relatório torna visível o conjunto de dados e o método utilizado.
- Comece pelos dados disponíveis no projeto e por um objetivo ou questão de análise definidos.
- Analise o perfil dos dados: colunas, valores em falta e distribuições relevantes.
- Defina a tarefa e a métrica de avaliação antes de avaliar o resultado.
Teste o resultado
Compare os modelos com uma referência (baseline).
Para tarefas supervisionadas suportadas, a plataforma separa dados de validação antes de o builder aceder aos dados de treino. Executa o código de previsão gerado, recalcula a métrica e compara os modelos de referência na mesma divisão de dados. Analise esse resultado independente juntamente com a estimativa de treino e as conclusões da verificação.
- Separe a estimativa de treino do resultado de validação recalculado pela plataforma.
- Compare com modelos de referência e verifique se existem indícios de fuga de dados.
- Use as conclusões para refinar a abordagem; a precisão futura não é garantida.
Guarde as provas
Leia o relatório. Analise o trabalho.
O resultado entregue inclui trabalho executável e um relatório que explica o problema, os dados, o método e os resultados. Analise os gráficos, a análise de erros e as limitações e, depois, use os downloads disponíveis do projeto para continuar no seu próprio fluxo de trabalho ou peça uma revisão na conversa de criação.
- Reveja as conclusões e limitações juntamente com os gráficos e a avaliação de suporte.
- Analise o código de treino e previsão com os artefactos de resultado disponíveis.
- Use as instruções de reprodução para perceber como o resultado foi obtido.
O fluxo de trabalho
Mantenha o trabalho ligado.
Descreva o resultado
Explique o público-alvo, o resultado pretendido e as restrições. Refine a direção antes de avançar.
Reveja o trabalho
Analise os ficheiros gerados, a pré-visualização disponível e as verificações relevantes para o resultado.
Crie a próxima versão
Peça alterações e, depois, exporte ou use o fluxo de entrega suportado por esse projeto.
Explore o que vem a seguir.
Ver todos os construtores
Criador de Websites com IA
Crie landing pages, lojas online e sites de conteúdo. Descreva o público e a experiência e, depois, reveja e refine a construção.
Explorar o AI Website Builder
Criador de Aplicações com IA
Construa apps web, móveis e de desktop em torno da tarefa que precisam de cumprir. Pré-visualize a experiência, refine-a e prepare o pacote adequado.
Explorar o AI App Builder
Criador de Jogos com IA
Transforme uma ideia de jogo num projeto jogável. Molde as regras, personagens e mundo e, depois, teste e itere sobre a experiência.
Explorar o AI Game BuilderPerguntas e respostas
Um pouco de clareza antes de começar.
Que tipos de projetos de dados posso criar?+
O fluxo de trabalho de dados suporta análise, classificação, regressão, previsão e clustering. Descreva a questão, os dados disponíveis e o resultado que pretende avaliar.
O que devo incluir no meu briefing?+
Explique o que representa cada linha, que campo pretende prever ou analisar e como vai avaliar se o resultado é útil. Inclua as restrições relevantes e os dados disponíveis no projeto.
Como são verificados os resultados dos modelos?+
Para tarefas supervisionadas suportadas, a plataforma separa os dados de validação antes de o builder ter acesso a eles e recalcula os resultados de avaliação. Também verifica em relação a modelos de referência e procura sinais de fuga de dados. Analise as conclusões juntamente com o relatório.
O que recebo?+
Um projeto pode incluir código de treino e previsão, um relatório, resultados de avaliação e artefactos de resultado. Reveja os ficheiros gerados e use as opções de download disponíveis para continuar a trabalhar com eles.
Posso melhorar um resultado existente?+
Sim. Use a conversa de criação para refinar o objetivo, explicar um erro ou pedir uma abordagem diferente. Reveja os novos resultados de avaliação para ver se a alteração ajudou.
Uma boa avaliação garante precisão futura?+
Não. A avaliação descreve o desempenho com os dados e a configuração de teste utilizados. Novos dados, condições em mudança e diferenças em relação ao uso pretendido podem alterar o resultado.
O que vai criar?
Crie um build ou coloque uma equipa especializada a trabalhar na sua próxima tarefa.