Data och maskininlärning
Bygg ett körbart analys- eller modelleringsprojekt och granska underlaget bakom dess resultat.
Definiera frågan och datan
Beskriv datamängden, det önskade resultatet och den leverabel du kommer att använda. Till exempel: "Förutsäg om en order kommer att returneras utifrån denna CSV. Jämför modellen med en enkel baslinje och förklara de starkaste prediktorerna." Ange målkolumnen och eventuella identifierarkolumner.
Tillhandahåll en användbar datamängd
Tillhandahåll datan eller en källa som stöds och förklara kolumnernas betydelse, saknade värden och relevanta datum. Flödet stöder förberedelse av datamängder och valfria externa datamängds- eller modellkällor. Externa tjänster och GPU-körning kräver motsvarande tillgängliga anslutning och körmiljö.
Kom överens om utvärdering
Välj ett mått som passar frågan. Ett övervakat projekt kan reservera en separat testuppsättning innan träning; plattformen använder den datan för att kontrollera förutsägelser. Rapporten bör skilja mellan träningsresultat och oberoende utvärdering och förklara jämförelsen med baslinjen.
Läs rapporten och artefakterna
Det genererade projektet innehåller körbart arbete och en rapportförhandsgranskning. Beroende på briefen kan output inkludera tränings- och förutsägelsekod, sparade modeller, förutsägelser och utvärderingsrapporter. Granska de filer som faktiskt genererades och de kommandon som behövs för att återskapa resultatet.
Hantera en misslyckad körning
Läs det rapporterade problemet innan du begär en fix. Ett saknat mål, olämpliga kolumntyper, otillgängliga beroenden eller uttömd körtid kan förhindra ett giltigt resultat. Korrigera datan eller briefen, kör igen och kontrollera den nya rapporten; ett diagram i sig är inte bevis på en lyckad träningskörning.
Förfina och återanvänd
Be om ytterligare en funktion, modelljämförelse eller förklaring i samma byggkonversation. Ladda ner det genererade projektet när du behöver fortsätta i din egen miljö. Behåll dataantaganden och utvärderingsuppsättning tillsammans med resultatet.
Förstå omfattningen
Ett dataprojekt är en annan typ av output än en anpassad AI-agent eller ett inbyggt Agentteam. Ett dedikerat flöde för kvantitativ handelsstrategi är fortfarande planerat; dessa guider beskriver det inte som en tillgänglig byggartyp.