Zu Hauptinhalt springen Zu ergänzendem Inhalt springen

Einführung in automatisiertes maschinelles Lernen

Automatisieren Sie maschinelles Lernen für Ihre Analyseteams mit Qlik AutoML. Mit der einfachen und codefreien Oberfläche können Sie leicht Experimente für maschinelles Lernen erstellen, um damit Modelle zu erstellen und Vorhersagen zu treffen.

Was ist maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz und Data Science, bei dem es darum geht, Muster in Verlaufsdaten zu erkennen, um zukünftige Ergebnisse vorherzusagen. Algorithmen werden mit den Daten trainiert, um ein Vorhersagemodell zu erstellen, ohne dass sie ausdrücklich hierfür programmiert wurden. Mit einem Modell für maschinelles Lernen können Sie Fragen wie die folgenden beantworten:

  • Wird ein Kunde eines Fitness-Centers seine Mitgliedschaft kündigen?

  • Wie hoch ist der erwartete Customer Lifetime Value (Kundenwert) für einen bestimmten Kunden?

Lesen Sie mehr über die grundlegenden Konzepte in Verstehen von maschinellem Lernen. Sie lernen auch das strukturierte Framework für das Definieren von Fragen für maschinelles Lernen und das Vorbereiten von Daten kennen.

Welche Möglichkeiten bietet maschinellem Lernen

Erstellen Sie automatisierte Experimente für maschinelles Lernen in Qlik Sense. Im Aktivitätscenter Analysen können Sie mit anderen Benutzern an dem Experiment zusammenarbeiten und leicht Daten aus dem Katalog laden, um das Modell zu trainieren.

Integrieren Sie Ihre prädiktiven Analysen in Qlik Sense-Apps, um Ihre Erkenntnisse zu teilen. Experimentieren Sie weiter mit Visualisierungen und interaktiven Was-wäre-wenn-Szenarien, um zu verstehen, wie sich eine Änderung verschiedener Parameter auf das gewünschte Ergebnis auswirken könnte.

Sie können Vorhersagen für im Katalog gespeicherte Datensätze treffen oder anhand von Qlik Sense-APIs in Echtzeit operative Vorhersagen machen.

Wie funktionieren Experimente

Mit einem Experiment werden Algorithmen für maschinelles Lernen mit einem bestimmten Datensatz und einem konkreten Ziel trainiert. Beim Training werden Modelle für maschinelles Lernen erstellt, die Sie für Vorhersagen verwenden können.

Ein Großteil des Prozesses beim automatisierten maschinellen Lernen ist automatisch. Wenn Sie ein Experiment erstellen und einen Datensatz laden, wird der Datensatz automatisch analysiert, und die Daten werden vorverarbeitet, um sie auf das maschinelle Lernen vorzubereiten. Es werden Statistiken und andere Informationen für jede Spalte angezeigt, um Sie bei der Auswahl eines Ziels zu unterstützen. Wenn Sie das Training starten, beginnen mehrere Algorithmen mit der Suche nach Mustern in den Daten. Weitere Informationen zum Erstellen und Trainieren von Experimenten finden Sie unter Arbeiten mit Experimenten.

Wenn das Training abgeschlossen ist, können Sie das generierte Modell für maschinelles Lernen anhand von Punktzahlen (Scores) und Rangfolgen bewerten. Indem Sie Parameter ändern und weitere Iterationen des Trainings ausführen, können Sie mehrere Versionen erstellen. Wählen Sie das Modell mit der besten Leistung für Ihren Datensatz aus und stellen Sie es bereit, um mit Vorhersagen zu beginnen. Weitere Informationen finden Sie unter Arbeiten mit ML-Bereitstellungen.

Wie in der folgenden Abbildung gezeigt, kann ein Experiment mehrere Versionen haben, die jede einen oder mehrere Algorithmen verwenden. Das Modell mit dem Algorithmus mit der besten Leistung kann bereitgestellt werden, um Vorhersagen zu treffen. Das bedeutet, dass ein Experiment zu mehreren ML-Bereitstellungen führen kann.

Überblick über den Zusammenhang zwischen Experimenten, Versionen, Algorithmen, Modellen und Vorhersagen.

Benutzerzugriff auf AutoML

Alle Einzelheiten zum Benutzerzugriff auf Qlik AutoML finden Sie unter Wer kann mit Qlik AutoML arbeiten.

Einschränkungen und lizenzgesteuerte Kapazitäten von AutoML

AutoML ist eine zusätzliche kostenpflichtige Funktion. Einige eingeschränkte Funktionen sind in entsprechenden Abonnement enthalten. Die spezifischen Funktionen und Kapazitäten hängen von Ihrer Abonnementstufe ab.

Einschränkungen

  • Qlik Für AutoML besteht ein API-Geschwindigkeitslimit von 300 Anforderungen pro Minute.

  • Maximale Anzahl der Spalten im Datensatz: 500

    Dies gilt für die Datensätze, die für das Trainieren von Experimenten und Generieren von Vorhersagen verwendet werden. Das Limit ist die Anzahl der Spalten, die als Features in der Experimentversion verwendet werden. Der Datensatz kann mehr Spalten enthalten, und die Limits werden berechnet, wenn Spalten im Datensatz eingeschlossen werden.

Lizenzgesteuerte Kapazitäten

Ihre Kundenlizenz bestimmt die Kapazität verschiedener Metriken und bestimmt, wie Sie Qlik AutoML verwenden können Ihre Nutzungsmetriken werden als Kombination Ihrer Nutzung der AutoML-Dienste über die AutoML-Benutzeroberfläche, über die Haupttreiberanalyse in einer Qlik Sense App und über die öffentlichen APIs gemessen.

AutoML ist in zahlreichen unterschiedlichen Stufen erhältlich, je nach Ihren geschäftlichen Anforderungen. Folgende zwei Stufentypen sind verfügbar:

  • Inbegriffene Stufe: Dies ist die grundlegende AutoML-Funktionalität mit eingeschränkter Kapazität. Sie ist in Abonnements für Qlik Sense Enterprise SaaS, Qlik Cloud Analytics Standard, Qlik Cloud Analytics Premium, Qlik Cloud Enterprise oder Qlik Talend Cloud(Standard, Premium oder Enterprise) inbegriffen. Die inbegriffene Stufe eignet sich für Testzwecke und die Beurteilung, wie Qlik AutoML Sie bei Ihren geschäftlichen Anforderungen unterstützen kann. Sie eignet sich nicht für Anwendungsfälle in der Produktion. Wenn Sie umfassendere Kapazitäten nutzen möchten, sollten Sie eine kostenpflichtige Stufe von Qlik AutoML erwägen.

  • Kostenpflichtige Stufen: Eine Reihe von Paketen stellen die umfassenden AutoML-Kapazitäten bereit, die für Anwendungsfälle in der Produktion erforderlich sind. Sie werden als zusätzliche, kostenpflichtige Add-Ons eines Qlik Cloud Abonnements angeboten.

Die folgenden Features sind nur in den kostenpflichtigen Stufen von Qlik AutoML verfügbar:

  • Hyperparameteroptimierung

  • Geplante Vorhersagen

  • Echtzeitvorhersagen

  • Qlik AutoML-Konnektor

Weitere Informationen zu den Elementen, die in den einzelnen Stufen von AutoML enthalten sind, finden Sie in der Tabelle unten.

Qlik AutoML-Metriken und Verfügbarkeit nach Stufentyp
Metrik Beschreibung Verfügbar in inbegriffener Stufe Verfügbar in kostenpflichtigen Stufen
Bereitgestellte Modelle Die in einem Qlik Cloud-Abonnement enthaltene Ebene definiert eine maximale Anzahl an bereitgestellten Modellen, die über alle innerhalb der Lizenz erstellten Mandanten hinweg erstellt werden können. Diese Nutzungsgrenze wird auf Modellbasis definiert. Dies bedeutet, dass mehrere aus einem einzigen Modell erstellte ML-Bereitstellungen als ein einziges bereitgestelltes Modell zählen. Ja Ja
Gleichzeitiges Training Dies ist die Anzahl der Modelle, die ein Mandant parallel trainieren kann. In der inbegriffenen Stufe von Qlik AutoML werden die einzelnen Modelle nacheinander ausgeführt. Kostenpflichtige Stufen bieten Ihrem Mandanten die Möglichkeit, mehrere Modelle gleichzeitig zu trainieren. Nein Ja
Größere Datensätze Kostenpflichtige Stufen lassen größere Datensätze für das Modelltraining zu. Nein Ja
Manuelle Stapelvorhersagen Sagt alle Zeilen in einem Datensatz manuell vorher. Ja Ja
Geplante Stapelvorhersagen Konfigurieren Sie Ihre Vorhersagen für die Ausführung nach einem Zeitplan, anstatt sie manuell zu starten. Geplante Vorhersagen sind nur in kostenpflichtigen Stufen von Qlik AutoML verfügbar. Weitere Informationen finden Sie unter Planen von Vorhersagen. Nein Ja
Echtzeitvorhersagen Verwenden Sie diese API, um Ihre ML-Bereitstellungen zur Ausführung von Vorhersagen in Echtzeit zu verwenden. Weitere Informationen finden Sie unter Erstellen von Echtzeitvorhersagen. Nein Ja
Qlik AutoML Konnektor in Qlik Cloud Analytics Mit diesem Analysekonnektor können Sie Daten aus der integrierten Qlik AutoML-Plattform in Qlik Cloud laden. Weitere Informationen finden Sie unter Qlik AutoML-Analysequelle. Nein Ja
Hyperparameteroptimierung Hyperparameteroptimierung ermöglicht eine Feinabstimmung Ihrer AutoML-Modelle, um Ihre Lernprozesse besser steuern zu können. Weitere Informationen finden Sie unter Hyperparameteroptimierung. Nein Ja
Überwachung des bereitgestellten Modells Verwenden Sie integrierte Überwachungswerkzeuge, um die in ML-Bereitstellungen bereitgestellten Modelle zu bewerten. Sie können Featuredrift im Zeitverlauf sowie Details über die Verwendung des Modells für Vorhersagen überwachen. Weitere Informationen finden Sie unter Überwachung von Leistung und Nutzung bereitgestellter Modelle. Nein Ja
Informationshinweis Die ML-Bereitstellungen, die Sie in Qlik AutoML erstellen, haben kein Ablaufdatum. Falls Sie die maximale Anzahl an bereitgestellten Modellen erreicht haben, löschen Sie mindestens ein vorhandenes bereitgestelltes Modell oder führen Sie ein Upgrade Ihres Abonnements auf eine höhere Stufe durch.

Detaillierte Informationen über Ihre Lizenzmetriken finden Sie in der Produktbeschreibung für Qlik Cloud® Abonnements. Im Aktivitätscenter Verwaltung können Administratoren Lizenzinformationen anzeigen und die Anzahl der bereitgestellten Modelle überwachen. Weitere Informationen finden Sie unter Überwachen der Ressourcennutzung.

Weitere Informationen

Hat diese Seite Ihnen geholfen?

Wenn Sie Probleme mit dieser Seite oder ihren Inhalten feststellen – einen Tippfehler, einen fehlenden Schritt oder einen technischen Fehler –, teilen Sie uns bitte mit, wie wir uns verbessern können!