Arbeiten mit maschinellem Lernen in Qlik Answers
Sie können mit Qlik Predict automatisiertem maschinellem Lernen arbeiten, indem Sie die KI-gestützte Technologie von Qlik Answers nutzen.
In dem agentischen Qlik Answers Erlebnis können Sie Workflows für maschinelles Lernen in natürlicher Sprache erstellen und ausführen. Sie können Datensätze erkunden, Experimente konfigurieren und trainieren und Prognosen innerhalb desselben Chat-Erlebnisses ausführen.
Arbeiten mit Predict in Qlik Answers
Bevor Sie beginnen
Voraussetzungen:
-
Ihr Mandant hat die regionsübergreifende Inferenz aktiviert—das heißt, der Mandant muss für die agentische Qlik Answers Erfahrung aktiviert werden.
-
Ihr Mandant und Abonnement haben Kapazität für Qlik Answers.
-
Sie haben Zugriff auf die erforderlichen Datensätze und Qlik Predict Extras.
Öffnen Qlik Predict in Qlik Answers
Gehen Sie folgendermaßen vor:
-
Klicken Sie auf Öffnen Answers, um Qlik Answers zu öffnen.
-
Im Dropdown-Menü wählen Sie Predict.
Öffnen von Predict
End-to-End-Workflows
Verwenden Sie die folgenden Arbeitsabläufe, wenn Sie mit Predict arbeiten.
Schritt 1: Datensatzexploration und Einblicke
Nutzen Sie Dataset-Einblicke, um die Datenqualität und Kandidatenfelder vor dem Training zu verstehen. Bitten Sie um Einblicke und Zielempfehlungen.
Sie müssen auch nicht den genauen Namen des Datensatzes wissen, den Sie verwenden möchten – Sie können eine Liste der verfügbaren Datensätze anfordern.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Datensatzauswahl |
|
- |
| Datensatzeinblicke |
|
Alternativ können Sie das Dataset zuerst in Qlik Cloud öffnen, und dann Fragen stellen wie:
|
| Zielempfehlung |
|
Nützlich als Folgefragen nach Auswahl eines Datasets und Erkundung von Einblicken. |
Schritt 2: Experiment trainieren und überwachen
Beschreiben Sie Ihr Ziel und lassen Sie den Agenten ein Experiment konfigurieren und ausführen. Regressions- und Klassifikationsexperimenttypen werden unterstützt. Nachdem Sie einen Datensatz und ein Ziel ausgewählt haben, werden Sie aufgefordert, das Training zu starten.
Wenn Sie zuvor bereits einen Machine-Learning-Workflow gestartet haben, können Sie Predict bitten, bestehende Experimente zu überwachen.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Experimenttraining (mit bereits ausgewähltem Datensatz) |
|
Nützlich als Folgefragen nach der Auswahl eines zu verwendenden Trainingsdatensatzes. |
| Experimenttraining (kein Datensatz ausgewählt) |
|
Diese Fragen können Ihnen helfen, direkt loszulegen, ohne manuell nach Datensätzen nach ihrem Namen zu suchen. |
| Experimentüberwachung |
|
- |
Schritt 3: Modellinterpretation und Empfehlungen
Nach Abschluss des Trainings können Sie eine Interpretation des Modellverhaltens in einfacher Sprache und Empfehlungen basierend auf der Modellausgabe anfordern.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Modellempfehlungen |
|
Für optimale Ergebnisse müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder den Experimentnamen in der Eingabeaufforderung referenzieren. |
| Modellmetriken und Erkenntnisse |
|
Für optimale Ergebnisse müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder den Experimentnamen in der Eingabeaufforderung referenzieren. |
Beim Analysieren von Modellen im Chat können Sie auch auf 
Quelle anzeigen klicken, um zusätzliche Details zu erweitern, einschließlich Diagramme zur Aufschlüsselung der Wichtigkeit von Funktionen und Einblicke in natürlicher Sprache.
Verwenden von Quelle anzeigen zum Analysieren von Modellen mit eingebetteten Diagrammen
Schritt 4: Bereitstellung, Aktivierung und Vorhersagen
Nach dem Training können Sie ein Modell bereitstellen, wodurch eine ML-Bereitstellung erstellt wird. Nachdem Sie angefordert haben, ein Modell bereitzustellen, werden Sie aufgefordert, die Bereitstellung zu bestätigen.
Sie können auch Stapelvorhersagen mithilfe der von Ihnen bereitgestellten Modelle ausführen. Das System sucht nach kompatiblen Anwendungsdatensätzen und listet sie zur Auswahl auf. Sie können auch Eingabeaufforderungen in natürlicher Sprache verwenden, um einen bestimmten Anwendungsdatensatz auszuwählen.
Bereitgestellte Modelle werden automatisch aktiviert, wenn Vorhersagen erstellt werden, abhängig von der verfügbaren Kapazität für das Abonnement.
| Aktion | Beispielfragen | Notizen |
|---|---|---|
| Bereitstellung und Überwachung von Modellen |
|
Nützlich als Folgefragen direkt nach der Modellanalyse. Für optimale Ergebnisse müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder den Experimentnamen in der Eingabeaufforderung referenzieren. |
| Vorhersagen—Anfrage starten |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
| Vorhersagen—Auswählen eines Anwendungsdatensatzes |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
| Vorhersagen—Status überwachen |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
| Vorhersagen—Vorhersageergebnisse erkunden |
|
Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren. |
Best Practices für das Stellen von Fragen
Für beste Ergebnisse bei der Arbeit mit Qlik Predict in Qlik Answers, folgen Sie diesen allgemeinen Richtlinien:
-
Wenn Sie unsicher sind, wie Sie anfangen sollen, fragen Sie Predict, was es tun kann. Qlik Answers kann eine Liste der unterstützten Funktionen bereitstellen.
-
Beginnen Sie eine neue Unterhaltung, wenn Sie das Thema wechseln, oder wenn Sie nicht die gewünschte Antwort erhalten.
-
Wenn Sie nicht die gewünschte Antwort erhalten, versuchen Sie, mehr Details anzugeben und präzise zu formulieren, was Sie tun möchten. Zum Beispiel kann das Referenzieren der genauen Namen von Datensätzen und anderen Extras Qlik Answers besser helfen, sie zu finden, wenn das Training gestartet oder Vorhersagen ausgeführt werden.
-
Formulieren Sie Ihre Frage um, falls sie beim ersten Mal nicht die gewünschte Antwort liefert.
Weitere Informationen finden Sie unter Best Practices für das Chatten mit Qlik Answers.
Berechtigungen
Sie benötigen sowohl Qlik Answers als auch Qlik Predict Berechtigungen, um End-to-End-Workflows für maschinelles Lernen abzuschließen.
Konkret benötigen Sie Folgendes:
-
Professional-Benutzerberechtigung (gilt nur für benutzerbasierte Abonnements)
-
Die erforderliche Berechtigung Agentbasierte KI > Datenanalyse ist auf Zulässig gesetzt. Diese Berechtigung wird von einem Mandantenadministrator zugewiesen.
-
Die erforderlichen Qlik Predict Berechtigungen für die Arbeit mit ML-Experimenten und -Bereitstellungen, die Ihnen von einem Mandanten-Administrator zugewiesen wurden. Siehe:
-
Zugriff auf die Bereiche, in denen sich die Datensätze, Experimente und Bereitstellungen befinden. Siehe:
Beschränkungen
Datensätze
Aktualisieren und Löschen von Datensätzen
Sie können Datensätze nicht aus dem Chat hochladen oder löschen.
Ändern der Datensätze
Folgendes ist im Chat nicht möglich:
-
Ändern von Trainingsdatensätzen nach dem Ausführen einer Experimentversion.
-
Durchführen mehrerer Vorhersagen mit verschiedenen Anwendungsdatensätzen innerhalb desselben Chats.
Als Workaround, wenn Sie Experimente trainieren oder Vorhersagen mit einem anderen Datensatz ausführen müssen, starten Sie zuerst einen neuen Chat. Wenn Sie Experimente trainieren, müssen Sie auch ein neues Experiment im neuen Chat erstellen.
Weitere Informationen zum Starten neuer Chats finden Sie unter Chatten mit Qlik Answers.
Große Datensätze
Chat unterstützt keine Datensätze, die einen der folgenden Grenzwerte für den Qlik Cloud Mandanten überschreiten:
-
Maximale Datensatzgröße (Trainingsdatensätze)
-
Maximale Anzahl der Datensatzzellen (Trainingsdatensätze)
-
Maximale Anzahl der enthaltenen Spalten (Trainings- und Anwendungsdatensätze)
Experiment-Features
-
Verzerrungserkennung wird nicht unterstützt.
-
Es ist nicht möglich, Modelltrainingsberichte zu analysieren oder herunterzuladen.
-
Es ist nicht möglich, auf eingebettete Analysen (Vergleichen und Analysieren Registerkarten) für das Experiment zuzugreifen.
-
Alle Features und Algorithmen werden für das Training ausgewählt, wenn das Experiment konfiguriert wird. Sie können Funktionen oder Algorithmen nicht abwählen. Weiterhin wird zur Modellschulung immer die intelligente Modelloptimierung verwendet – manuelle Optimierung wird nicht unterstützt.
-
Es ist nicht möglich, zweite und nachfolgende Versionen eines Experiments zu trainieren.
Modelltypen
Nicht verfügbar für Zeitreihenmodelle.
Vorhersagetypen
Nicht verfügbar für Echtzeit oder Konnektor-basierte Prognosen.
ML-Modellverwaltung
-
Sie können ein vorhandenes bereitgestelltes Modell nicht aus dem Chat ersetzen.
-
Sie können nicht mehrere Modelle aus verschiedenen Experimentversionen aus dem Chat bereitstellen.
-
Es ist nicht möglich, auf eingebettete Analysen (Modelloperationen und Drift-Überwachung) für die Bereitstellung zuzugreifen.