ساخت مدل های یادگیری ماشین با دستیار هوش مصنوعی Pcan

مقدمه

• ساخت مدل های یادگیری ماشین اکنون با گفتگو با دستیار هوش مصنوعی امکان پذیر است.
• آنالیز پیش بینی‌کننده در گذشته بسیار چالش‌برانگیز بود.
• ابزارها و خدمات هوش مصنوعی سطح دسترسی به فناوری های پیچیده را کاهش داده‌اند.

مرور دستیار هوش مصنوعی Pcan

• فرآیند ساخت مدل‌های یادگیری ماشین را بدون نیاز به کدنویسی ساده می کند.
• Pcan اسپانسر ویدیو بود اما نظرات بی‌طرفانه هستند.
• مناسب برای افراد تازه‌کار و با تجربه در زمینه یادگیری ماشین.
• اجازه تنظیمات کد برای تنظیم دقیق‌تر مدل را می‌دهد.

مراحل ساخت مدل پیش‌بینی درآمد

تنظیمات اولیه

1. ثبت‌نام: ثبت‌نام در Pcan رایگان است.
2. ورود: بعد از ورود با دستیار هوش مصنوعی Pcan تعامل کنید.
3. سوال اولیه: دستیار سوالات راهنما می پرسد.
   • مثال: مدل مورد نظر - پیش‌بینی درآمد در سطح مشتری.
   • تأییدات: تأیید موضوع پیش‌بینی (مشتری) و مقدار هدف (درآمد).

تنظیم پیش‌بینی‌ها

4. افق زمانی: انتخاب افق پیش‌بینی (مثلاً ماه، سال).
5. فرکانس پیش‌بینی: انتخاب فرکانس (مثلاً ماهانه).
   • به‌طور متناوب، می‌توان پیش‌بینی‌ها را با رویداد خاصی تحریک کرد (مثلاً خرید مشتری).
6. سوال تحلیل پیش‌بینی‌کننده: تأیید سوالات ایجاد شده و ادامه دهید.

آپلود داده‌ها

7. اتصال داده: آپلود مجموعه داده (مثلاً فایل CSV). Pcan از اتصالات داده متنوعی پشتیبانی می‌کند (SQL، سرورهای ابری و غیره).
8. تحلیل شمای ساختاری: دستیار پیشنهادات مپینگ ستون و شناسایی انواع داده/فیلدها را می‌دهد.
   • مثال: شناسه کاربر به عنوان شناسه مشتری، مبلغ به عنوان درآمد، زمان رویداد به عنوان تایم‌استمپ.
   • تایید و ادامه دهید.

ایجاد نوت‌بوک

9. ایجاد نوت‌بوک پیش‌بینی: به عنوان اتاق کنترل برای فرآیند ساخت مدل عمل می‌کند.
   • شامل پرس و جوهای SQL ساخته شده توسط دستیار هوش مصنوعی.
   • مراحل به وضوح توضیح داده شده‌اند و از داده‌ها از پرس و جوهای قبلی استفاده می‌کنند.

مجموعه اصلی و ویژگی‌ها

10. ایجاد مجموعه اصلی: مجموعه اصلی شامل داده‌های مورد نیاز برای آموزش مدل (کاربران، تاریخ‌ نمونه‌ها، مقدار هدف) است.
11. بخش ویژگی‌ها: داده‌های مورد استفاده برای شناسایی الگوهای پیش‌بینی.
    • گزینه اضافه کردن ویژگی‌ها یا داده های بیشتر در صورت نیاز.
    • برای سبک نگه داشتن مدل، ویژگی‌های اضافی اضافه نشد.

آموزش مدل

12. اجرای پرس و جوها: پرس و جوهای SQL را اجرا کرده و مدل را آموزش دهید.
    • گزینه‌ها: سریع‌ترین (10-30 دقیقه) یا کیفیت تولید (عملکرد بهتر، زمان بیشتر می‌گیرد).
    • اعتبارسنجی داده‌ها اطمینان می‌دهد که داده‌ها برای ساخت مدل مناسب هستند.
13. نتایج مدل: ارزیابی با استفاده از متریک‌ها و تجسم‌ها.
    • مثال متریک‌ها: اهمیت ستون، دقت کلی مدل.
    • پیش‌بینی‌ها را برای هر کاربر در هر ماه تجسم کنید.

نتیجه‌گیری

• ابزارهای هوش مصنوعی مانند Pcan ساخت مدل‌های یادگیری ماشین را دسترس‌پذیر و کارآمد می‌کنند.
• مهارت‌های کدنویسی برای تنظیم دقیق و درک جزییات مدل همچنان ضروری هستند.
• ترکیب ابزارهای هوش مصنوعی با مهارت‌های فنی قوی بهترین نتایج را ارائه می‌دهد.
• تشویق به یادگیری و استفاده از فناوری‌های جدید.

از تماشای شما متشکریم!