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.
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.
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.
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.