Capítulo 17. O fluxo de trabalho da ciência de dados 3D
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
O nosso explorou a ciência de dados 3D em conjunto e está a chegar ao fim. Deves estar orgulhoso de todos os aspectos modulares trazidos à vida com o poder do Python. Desenvolvemos fluxos de trabalho de ponta a ponta para qualquer conjunto de dados 3D e realizámos experiências científicas avançadas que revelaram resultados críticos. Agora, vamos dar um passo atrás e olhar para o panorama geral.
Desde o início, aprendemos que a ciência dos dados 3D permite os sistemas de IA espacial mais capazes baseados em dados 3D - sistemas que tentam imitar o comportamento humano. Isto significa essencialmente compreender a complexidade da realidade e conceber agentes que actuam como humanos num mundo digital 3D. Então, em que ponto estamos no Capítulo 17?
Bem, neste capítulo, vamos ajustar a nossa distância focal para nos concentrarmos no que a ciência de dados 3D nos permitiu fazer: conceber ambientes digitais 3D, que são os candidatos a agentes de raciocínio para atuar. Isto significa rever as principais técnicas que agora te orgulhas de dominar, certificando-te de que as aprendizagens são claras, e traçar um plano para criar qualquer sistema de ciência de dados 3D. Para sermos super pragmáticos, nesta fase temos um fluxo de trabalho modular completo de ciência de dados 3D. Isto significa que tens um fluxo de trabalho ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access