Ejercicio 7a: Su problema, formulado como un problema del AA
Anota o haz clic en la casilla de verificación a fin de ver cuál crees que es la mejor solución técnica para tu problema. Nuestro problema se encuadra mejor de la siguiente manera:
que predice o genera lo siguiente:
Si tu solución se enmarca mejor como una de AA predictivo, consulta las siguientes preguntas. Si tu solución se enmarca como una de IA generativa, consulta MakerSuite, un IDE basado en navegador que te permite experimentar con diferentes mensajes para crear prototipos rápidamente con modelos de lenguaje generativo.
Ejercicio 7b: Transmita su problema como un problema más simple
Al principio, las formulaciones de problemas más sencillas son más fáciles de razonar e implementar. Toma el problema determinado y defínelo como una clasificación binaria o un problema de regresión unidimensional (o ambos).
Ejercicio 8: Diseñe sus datos para el modelo
Escriba los datos que desea que use el modelo de AA predictivo para hacer predicciones.
Sugerencias para triunfar
Una fila constituye un dato para el que se realiza una predicción.
Solo incluye información que esté disponible en el momento en que se realice la predicción.
Cada entrada puede ser una lista escalar o 1D de números enteros, números de punto flotante o bytes (incluidas las strings).
Si una entrada tiene una estructura diferente de una lista escalar o 1D, es posible que desees considerar si esa es la mejor representación para tus datos.
Por ejemplo:
Si una celda representa dos o más elementos semánticamente diferentes en una lista 1D, te recomendamos que los dividas en entradas independientes.
Si una celda representa un búfer de protocolo anidado, es posible que desees compactar cada campo del búfer de protocolo anidado.
Excepciones: datos de audio, imágenes y video en los que una celda es un BLOB de bytes.
Ejercicio 9: De dónde provienen los datos
Anote de dónde proviene cada entrada.
Evaluar cuánto trabajo será desarrollar una canalización de datos para construir cada columna para una fila.
Sugerencias para triunfar
¿Cuándo está disponible el resultado de ejemplo para fines de entrenamiento?
Si el resultado de ejemplo es difícil de obtener, te recomendamos volver a revisar el ejercicio 5 (Cómo usar resultados) y examinar si puedes usar un resultado diferente para tu modelo.
Asegúrate de que todas tus entradas (excepto las salidas) estén disponibles en el momento de la entrega (cuando se realiza la predicción) en el formato exacto en el que estás escribiendo.
Si es difícil obtener todas las entradas en el momento de la entrega exactamente en el mismo formato, te recomendamos volver a revisar el ejercicio 8 (diseña tus datos para el modelo) a fin de reconsiderar las entradas o el ejercicio 5 para determinar cuándo se puede realizar la entrega.
Ejercicio 10: Entradas obtenidas fácilmente
Entre las entradas que enumeraste en el ejercicio 8, elige de 1 a 3 entradas que sean fáciles de obtener y que creas que producirán un resultado inicial razonable.
Sugerencias para triunfar
En el ejercicio 6, enumeraste un conjunto de heurísticas que podrías usar. ¿Qué entradas serían útiles para implementar esta heurística?
Considera el costo de ingeniería a fin de desarrollar una canalización de datos para preparar las entradas y el beneficio esperado de tener cada entrada en el modelo.
Enfócate en las entradas que se pueden obtener de un solo sistema con una canalización simple. Se recomienda comenzar con la infraestructura mínima posible cuando comienzas.
Imprimir o guardar
Haz clic en el siguiente botón para imprimir o guardar tus respuestas como archivo .pdf.
