Modelos
Configure um endpoint compatível com OpenAI ou Anthropic com a URL base e uma chave API, quando necessária. Teste a conexão. O servidor local precisa estar em execução; ferramentas remotas podem transmitir dados separadamente.
Ambiente de programação com IA
Divisão de dados de aprendizado de máquina
Separe dados de aprendizado pela entidade que poderia vazar entre conjuntos.
● ● ●Model Ledger●
Fluxos de trabalho · Divisão de dados de aprendizado de máquina ×
train_groups, test_groups = split_groups(group_ids)
assert not set(train_groups) & set(test_groups)
train = rows_in_groups(data, train_groups)
test = rows_in_groups(data, test_groups)✳Separe dados de aprendizado pela entidade que poderia vazar entre conjuntos.
✓ AlteraçõesRevise antes de aplicar ↗
Ilustração do ambiente
Projeto
Mantenha cada grupo de um lado e ajuste o pré-processamento no treino antes de aplicar aos dados reservados.
Revise antes de aplicar
Compare o comportamento real com o resultado esperado. Se uma verificação falhar, investigue a causa antes de fazer outras alterações.
Fluxos de trabalho
train_groups, test_groups = split_groups(group_ids)
assert not set(train_groups) & set(test_groups)
train = rows_in_groups(data, train_groups)
test = rows_in_groups(data, test_groups)