Prueba de desbordamiento
Cómo Crear y Automatizar Flujos de Trabajo de IA con MindsDB
Sigue los pasos a continuación que te guiarán a través del proceso de creación y automatización de tu Flujo de Trabajo de IA personalizado.Paso 1. Comenzando
MindsDB ofrece cinco entornos de desarrollo:- SQL
- Mongo-QL
- Python
- JavaScript
- REST API
Paso 2. Integrar Fuentes de Datos
MindsDB integra numerosas fuentes de datos, incluyendo bases de datos, almacenes de datos, aplicaciones y más. Puedes crear una conexión entre tu fuente de datos y MindsDB utilizando la declaraciónCREATE DATABASE en SQL o la correspondiente para otros entornos de desarrollo.
Una vez establecida la conexión, puedes acceder a tus datos directamente desde MindsDB y utilizarlos para entrenar modelos de IA o hacer predicciones, como verás en los siguientes pasos.
Paso 3. Crear Motores de IA
MindsDB integra numerosos marcos de IA. Antes de poder crear un modelo de IA, es necesario crear un motor de ML basado en el marco de IA de tu elección. A menudo, la creación de un motor de ML requiere que los usuarios proporcionen parámetros como claves API. Puedes crear un motor de ML utilizando la declaraciónCREATE ML_ENGINE en SQL, o la correspondiente para otros entornos de desarrollo.
Una vez que el motor de ML se crea con éxito, puedes proceder a crear un modelo de IA, como se muestra en los siguientes pasos.
Paso 4. Crear Proyectos
En MindsDB, todos los objetos (incluyendo modelos, vistas, trabajos, etc.) se almacenan dentro de proyectos. Puedes usar el proyecto predeterminadomindsdb o crear el tuyo propio para almacenar objetos específicos de casos de uso en diferentes proyectos.
Puedes crear proyectos utilizando la declaración CREATE PROJECT en SQL, o la correspondiente para otros entornos de desarrollo.
Ten en cuenta que este paso es opcional, ya que puedes usar el proyecto predeterminado mindsdb.
Paso 5. Implementar y Usar Modelos
MindsDB te permite no solo crear, entrenar e implementar modelos usando una sola declaración SQL, sino también describir, reentrenar y ajustar modelos. Esta sección almacena todos los comandos relacionados con el trabajo con modelos dentro de MindsDB. Puedes crear modelos utilizando la declaraciónCREATE MODEL en SQL, o la correspondiente para otros entornos de desarrollo. Después de eso, puedes utilizar una amplia gama de características que te permiten obtener datos relevantes sobre los modelos y también actualizar los modelos regularmente para mejorar el rendimiento y la precisión.
Una vez que el modelo está listo, puedes hacer predicciones con una sola declaración SQL.
Paso 6. Obtener Predicciones
En MindsDB, puedes obtener predicciones por lotes simplemente uniendo el modelo, también llamado AI Table, con la tabla de datos de entrada. Alternativamente, puedes consultar el modelo para una sola predicción, proporcionando los datos de entrada en la cláusulaWHERE.
Una vez que obtienes las predicciones o, en el caso de modelos de series temporales, pronósticos, puedes guardarlos en una fuente de datos o alimentarlos a una aplicación. El siguiente paso describe cómo puedes trabajar con tablas, vistas y archivos en MindsDB para cumplir con los requisitos de tu caso de uso.
Paso 7. Tablas, Vistas y Archivos
MindsDB te permite crear vistas, cargar archivos y trabajar con tablas de las fuentes de datos conectadas. Todos estos objetos se pueden utilizar para almacenar los datos y las predicciones.Paso 8. Automatizar Flujos de Trabajo
Finalmente, MindsDB facilita la automatización de IA proporcionando la función de Trabajos. Los Trabajos te permiten programar y automatizar la ejecución de todos los comandos descritos en los siete pasos anteriores. Aquí hay un buen ejemplo de automatización de IA:- Tienes datos de trading provenientes de Binance integración y se actualiza cada minuto.
- Creas un modelo de IA que se entrena utilizando datos de Binance para pronosticar el valor del precio de apertura para un par de trading específico (por ejemplo, BTC/USDT).
- Conectas un Slack espacio de trabajo a MindsDB y envías pronósticos en tiempo real como notificaciones de Slack.
-
Automatizas este proceso creando un trabajo que hace lo siguiente:
- El trabajo vuelve a entrenar un modelo de IA con los datos más recientes para garantizar el mejor rendimiento y precisión.
- Luego, el trabajo consulta el modelo de IA unido con los datos de Binance para obtener los últimos pronósticos en tiempo real, y posteriormente, los inserta en el espacio de trabajo de Slack.