ข้อมูลและแมชชีนเลิร์นนิง

สร้างโปรเจกต์วิเคราะห์หรือสร้างแบบจำลองที่รันได้จริง และตรวจสอบหลักฐานเบื้องหลังผลลัพธ์

กำหนดคำถามและข้อมูล

อธิบายชุดข้อมูล ผลลัพธ์ที่ต้องการ และงานที่จะนำไปใช้ เช่น: "ทำนายว่าคำสั่งซื้อนี้จะถูกส่งคืนหรือไม่จากไฟล์ CSV นี้ เปรียบเทียบโมเดลกับค่าฐานอย่างง่ายและอธิบายตัวแปรที่มีอิทธิพลมากที่สุด" ระบุคอลัมน์เป้าหมายและคอลัมน์ระบุตัวตนต่างๆ

จัดเตรียมชุดข้อมูลที่ใช้งานได้

ให้ข้อมูลหรือแหล่งที่รองรับ และอธิบายความหมายของคอลัมน์ ค่าที่ขาดหาย และวันที่ที่เกี่ยวข้อง เวิร์กโฟลว์รองรับการเตรียมชุดข้อมูลและแหล่งชุดข้อมูลหรือโมเดลภายนอกเสริม บริการภายนอกและการรันด้วย GPU ต้องมีการเชื่อมต่อและรันไทม์ที่รองรับ

ตกลงเรื่องการประเมินผล

เลือกเมตริกที่เหมาะกับคำถาม โปรเจกต์แบบมีผู้สอน (supervised) สามารถกันชุดข้อมูล holdout แยกไว้ก่อนการฝึกโมเดล แพลตฟอร์มจะใช้ข้อมูลประเมินนี้เพื่อตรวจสอบการทำนาย รายงานควรแยกผลจากการฝึกโมเดลออกจากการประเมินอิสระ และอธิบายการเปรียบเทียบกับค่าฐาน

อ่านรายงานและไฟล์ผลลัพธ์

โปรเจกต์ที่สร้างขึ้นประกอบด้วยงานที่รันได้และตัวอย่างรายงาน ขึ้นอยู่กับโจทย์ ผลลัพธ์อาจรวมถึงโค้ดฝึกและทำนายโมเดล โมเดลที่บันทึกไว้ ผลการทำนาย และรายงานการประเมิน ตรวจสอบไฟล์ที่สร้างขึ้นจริงและคำสั่งที่จำเป็นในการทำซ้ำผลลัพธ์

จัดการกับการรันที่ล้มเหลว

อ่านปัญหาที่รายงานก่อนขอการแก้ไข ตัวแปรเป้าหมายที่ขาดหาย ประเภทคอลัมน์ที่ไม่เหมาะสม ไลบรารีที่ใช้งานไม่ได้ หรือรันไทม์ที่หมดเวลา ล้วนทำให้ไม่ได้ผลลัพธ์ที่ถูกต้อง แก้ไขข้อมูลหรือโจทย์ รันใหม่ และตรวจสอบรายงานฉบับใหม่ กราฟเพียงอย่างเดียวไม่ใช่หลักฐานว่าการฝึกโมเดลสำเร็จ

ปรับปรุงและนำกลับมาใช้ใหม่

ขอฟีเจอร์เพิ่มเติม การเปรียบเทียบโมเดล หรือคำอธิบายในบทสนทนาการสร้างเดิม ดาวน์โหลดโปรเจกต์ที่สร้างขึ้นเมื่อต้องการทำงานต่อในสภาพแวดล้อมของคุณเอง เก็บสมมติฐานเกี่ยวกับข้อมูลและการตั้งค่าการประเมินไว้พร้อมกับผลลัพธ์

ทำความเข้าใจขอบเขตงาน

โปรเจกต์ข้อมูลเป็นผลลัพธ์ที่แตกต่างจากเอเจนต์ AI ที่กำหนดเองหรือทีมเอเจนต์ในตัว (Agent Team) เวิร์กโฟลว์กลยุทธ์การเทรดเชิงปริมาณโดยเฉพาะยังคงอยู่ในแผนงาน เอกสารเหล่านี้ยังไม่ได้ระบุว่าเป็นประเภทตัวสร้างที่ใช้งานได้ในปัจจุบัน