> For the complete documentation index, see [llms.txt](https://docs.gaiodataos.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.gaiodataos.com/gaio-dataos-portuguese/tools/tarefas/analytics/amostragem.md). # Amostragem
A **Amostragem** no **Gaio DataOS** permite extrair um subconjunto de dados de uma tabela de forma simples e controlada. Essa funcionalidade é ideal para **testes**, **validação**, **visualizações iniciais** ou **pré-processamento em fluxos de Machine Learning**. {% hint style="warning" %} Esta task só pode ser utilizada quando uma **tabela** estiver selecionada no fluxo. {% endhint %} *** ## Como usar a Sample Task ### 1. Adicionar a Sample Task ao fluxo No **Studio**, acesse o painel **Tarefas**.\ Na seção **Analytics**, selecione **Amostragem**. *** ### 2. Configurar os campos principais * **Rótulo (opcional):**\ Nome para identificar esta task no fluxo\ \&#xNAN;*(padrão: `sample`)*. * **Tabela resultado:**\ Nome da tabela de saída que conterá os dados amostrados\ (ex.: `sample_sample`). *** ### 3. Escolher o tipo de amostragem Você pode escolher entre duas opções: **Porcentagem** Permite definir a **porcentagem de linhas** que serão amostradas da tabela original. * Ajuste o seletor ou informe o valor manualmente * **Exemplo:** `0.7` (70%) → retorna 70% das linhas da tabela de origem **Linhas** Permite definir um **número fixo de linhas** para compor a amostra. * **Exemplo:** `1.000` → A tabela de saída conterá exatamente 1.000 linhas selecionadas aleatoriamente *** #### 4. Salvar e executar * Após configurar o tipo e o valor da amostragem, clique em **Save** * Execute o fluxo — uma nova tabela será gerada com base na configuração de amostra escolhida *** ### Boas práticas Utilize a **Sample Task** para: * Reduzir o tamanho de datasets durante o desenvolvimento ou pré-visualização de dashboards * Criar conjuntos de dados menores para treinamento de modelos de Machine Learning * Testar queries e transformações sem processar o dataset completo * Combinar com outras tasks como **AutoML**, **Cluster** ou **Scoring** para acelerar experimentação e modelagem {% hint style="success" %} Todas as colunas da tabela de origem serão mantidas na tabela amostrada. Apenas o **número de linhas** será reduzido. {% endhint %}