Exercício 7a: Seu problema, formulado como um problema de ML

Anote ou clique na caixa de seleção para escolher a melhor solução técnica para seu problema. Nosso problema é melhor enquadrado como:
que prevê ou gera:

Se a solução for melhor enquadrada como uma previsão de ML, consulte as perguntas a seguir. Se sua solução for enquadrada como uma IA generativa, consulte o MakerSuite, um ambiente de desenvolvimento integrado baseado em navegador que permite testar diferentes solicitações de prototipagem rápida com modelos de linguagem generativa.

Exercício 7b: transmita seu problema como um problema mais simples

Ao começar, formulações de problemas mais simples são mais fáceis de raciocinar e implementar. Considere seu problema e classifique-o como uma classificação binária ou de regressão unidimensional (ou ambos).

Exercício 8: crie dados para o modelo

Grave os dados que você quer que o modelo de ML preditivo use para fazer previsões.
Uma tabela vazia com 3 linhas e 4 colunas rotuladas: input1, input 2, input3 e output (label)
Dicas de sucesso
  • Uma linha constitui um dado para o qual uma previsão é feita.
  • Inclua apenas informações disponíveis no momento em que a previsão é feita.
  • Cada entrada pode ser uma lista escalar ou 1D de número inteiro, flutuante ou bytes (incluindo strings).
  • Se uma entrada tiver uma estrutura diferente de uma lista escalar ou 1D, considere se essa é a melhor representação para os dados. Por exemplo:
    • Se uma célula representa dois ou mais itens semanticamente diferentes em uma lista 1D, talvez seja melhor dividi-los em entradas separadas.
    • Se uma célula representa um buffer de protocolo aninhado, convém nivelar cada campo do buffer de protocolo aninhado.
    • Exceções: dados de áudio, imagem e vídeo, em que uma célula é um blob de bytes.

Exercício 9: de onde vêm os dados

Anote a origem de cada entrada. Avalie quanto trabalho será necessário para desenvolver um pipeline de dados para construir cada coluna para uma linha.
Uma tabela vazia com duas linhas e quatro colunas rotuladas: input1, input 2, input3 e output.
Dicas de sucesso
Quando a saída de exemplo fica disponível para fins de treinamento?
  • Se o resultado do exemplo for difícil de ser obtido, convém revisitar o Exercício 5 (usando a saída) e examinar se é possível utilizar uma saída diferente para o modelo.
Verifique se todas as entradas (exceto a saída) estão disponíveis no momento da disponibilização (quando a previsão é feita), exatamente no formato que você está anotando.
  • Se for difícil conseguir todas as entradas no momento da exibição exatamente no mesmo formato, convém revisitar o Exercício 8 (Projetar seus dados para o modelo) para reconsiderar as entradas ou o Exercício 5 para reconsiderar quando a exibição pode ser feita.

Exercício 10: mais informações

Entre as entradas listadas no Exercício 8, escolha de uma a três entradas que sejam fáceis de conseguir e que você acredita que produziriam um resultado inicial razoável.
Uma tabela vazia com duas linhas e quatro colunas rotuladas: entrada 1, entrada 2, entrada 3 e saída
Dicas de sucesso
  • No Exercício 6, você listou um conjunto de heurísticas que pode usar. Quais entradas seriam úteis para implementar essas heurísticas?
  • Considere o custo de engenharia para desenvolver um pipeline de dados e preparar as entradas, além do benefício esperado de ter cada entrada no modelo.
  • Concentre-se nas entradas que podem ser recebidas de um único sistema com um pipeline simples. É recomendável começar com o mínimo de infraestrutura possível ao começar.

Imprimir ou salvar

Clique no botão abaixo para imprimir ou salvar suas respostas em .pdf.

Página de impressão