Данные и машинное обучение

Создайте исполняемый проект анализа или моделирования и изучите доказательную базу его результатов.

Определите вопрос и данные

Опишите набор данных, желаемый результат и итоговый артефакт. Например: «Спрогнозировать, будет ли заказ возвращён, по этому CSV. Сравнить модель с простой базовой линией и объяснить наиболее значимые предикторы». Укажите целевой столбец и любые идентификационные столбцы.

Предоставьте пригодный для работы набор данных

Предоставьте данные или поддерживаемый источник и объясните значения столбцов, пропуски и релевантные даты. Рабочий процесс поддерживает подготовку набора данных, а также опциональные внешние источники данных или моделей. Внешние сервисы и выполнение на GPU требуют соответствующего доступного подключения и среды выполнения.

Согласуйте оценку качества

Выберите метрику, подходящую под задачу. Проект с учителем может выделить отдельную отложенную выборку до обучения; платформа использует эти данные для проверки предсказаний. В отчёте должны быть разделены результаты обучения и независимой оценки, а также объяснено сравнение с базовой линией.

Изучите отчёт и артефакты

Сгенерированный проект включает исполняемую работу и предпросмотр отчёта. В зависимости от задания результаты могут включать код обучения и предсказаний, сохранённые модели, предсказания и отчёты об оценке. Проверьте фактически созданные файлы и команды, необходимые для воспроизведения результата.

Обработка неудачного запуска

Прочитайте описание проблемы, прежде чем запрашивать исправление. Отсутствующий целевой столбец, неподходящие типы столбцов, недоступные зависимости или исчерпанное время выполнения могут помешать получить корректный результат. Исправьте данные или задание, запустите заново и проверьте новый отчёт; одна диаграмма не является доказательством успешного обучения.

Дорабатывайте и используйте повторно

Запросите дополнительную функцию, сравнение моделей или объяснение в том же чате сборки. Скачайте сгенерированный проект, если нужно продолжить работу в своей среде. Сохраните допущения о данных и настройки оценки вместе с результатом.

Понимание области применения

Проект по данным — это иной тип результата, отличный от пользовательского ИИ-агента или встроенной команды агентов (Agent Team). Отдельный рабочий процесс для количественной торговой стратегии по-прежнему запланирован; в этих руководствах он не описан как доступный тип сборки.