Descargar informes de entrenamiento de ML como administrador

Los administradores pueden descargar los informes de entrenamiento de los modelos de aprendizaje automático implementados y entrenados con Qlik Predict. Los informes de entrenamiento incluyen detalles exhaustivos sobre los procesos que entrenaron un modelo y, opcionalmente, otros modelos del experimento de ML. Los informes de entrenamiento están en formato PDF.

Los usuarios sin permisos de administrador también pueden descargar los informes de entrenamiento de los experimentos de ML y de las implementaciones de ML. Para más información, vea Descargar informes de entrenamiento de ML.

Informe de entrenamiento experimental — Informe de entrenamiento de ML

Casos de uso

Con los informes de formación de modelos, podrá:

Profundice en los procesos que entrenan sus modelos, por ejemplo, con fines de auditoría.
Comparta fácilmente los detalles sobre el entrenamiento del modelo con usuarios ajenos a Qlik Cloud.

Generar un informe de entrenamiento

Desde el centro de actividades de Administración.

Haga lo siguiente:

En Administración, vaya a Qlik Predict.
Abra la pestaña Modelos implementados.
Haga clic en junto a un modelo de la tabla.
Seleccione Descargar el informe de entrenamiento.
En el cuadro de diálogo, opcionalmente en Incluir información sobre todos los modelos del experimento.

Al activarse, esta configuración generaba un informe ampliado con información sobre todos los modelos entrenados en el experimento.
Si es necesario, haga clic en Vista previa para ver el informe sin descargarlo. Dependiendo de su navegador, es posible que tenga que intentarlo más de una vez.
Haga clic en Descargar.El informe se genera y se guarda en la carpeta Descargas local.

A partir de un experimento de ML

Haga lo siguiente:

Abra un experimento de ML.
Vaya a la pestaña Modelos.
Seleccione un modelo.
En la esquina superior derecha, haga clic en Descargar informe de entrenamiento.
En el cuadro de diálogo, opcionalmente en Incluir información sobre todos los modelos del experimento.

Cuando se activa, este ajuste genera un informe ampliado que contiene información sobre todos los modelos entrenados en el experimento.
Si es necesario, haga clic en Vista previa para ver el informe sin descargarlo. Dependiendo de su navegador, puede que tenga que intentarlo más de una vez.
Haga clic en Descargar.El informe se genera y se guarda en su carpeta local de descargas.

También puede generar un informe de entrenamiento haciendo clic en Menú de tres puntos en un modelo, y seleccionando Descargar informe de entrenamiento.

A partir de una implementación de ML

Haga lo siguiente:

Abra una implementación de ML.
Vaya a la pestaña Modelos implementables.
En Todos los modelos de la implementación, haga clic en junto a un modelo.
Seleccione Descargar el informe de entrenamiento.
En el cuadro de diálogo, opcionalmente en Incluir información sobre todos los modelos del experimento.

Cuando se activa, este ajuste genera un informe ampliado que contiene información sobre todos los modelos entrenados en el experimento. Vea Versiones completa y concentrada.
Si es necesario, haga clic en Vista previa para ver el informe sin descargarlo. Dependiendo de su navegador, puede que tenga que intentarlo más de una vez.
Haga clic en Descargar.El informe se genera y se guarda en la carpeta Descargas local.

Qué se incluye en un informe de entrenamiento

El informe de entrenamiento describe, en detalle, la siguiente información. Es posible que algunos detalles solo estén presentes si descarga la versión completa del informe de entrenamiento. Para más información, vea Versiones completa y concentrada.

Quién creó el experimento
Cuando se entrenaron los experimentos y el modelo
Ubicación y nombre de los recursos utilizados en el entrenamiento
Cuántas versiones y modelos tiene el experimento
Los algoritmos utilizados para entrenar los modelos
Detalles sobre los conjuntos de datos de entrenamiento utilizados, como la cantidad de datos que contienen
Procesamiento que se realizó en los datos de entrenamiento antes y durante el entrenamiento
Métricas del modelo tanto para los datos de entrenamiento como para los retenidos
Datos de hiperparámetro

Versiones completa y concentrada

Al descargar un informe de entrenamiento, el usuario puede activar opcionalmente un ajuste denominado Incluir información sobre todos los modelos del experimento. Este ajuste controla si se genera la versión completa o concentrada del informe.

Con la opción Incluir información sobre todos los modelos del experimento activada, se genera la versión completa del informe. Este informe contiene información adicional sobre otros modelos entrenados en el experimento.

Por otro lado, el informe concentrado solo contiene información sobre el modelo seleccionado. No se incluye información sobre todos los modelos en el experimento.

Interpretación de los términos del informe de entrenamiento

Al analizar los informes de entrenamiento, se presupone que conoce los términos técnicos a los que se hace referencia. La mayoría de los términos se explican en la documentación de ayuda de Qlik Predict.

La siguiente tabla proporciona definiciones para el contenido del informe, junto con útiles temas de ayuda.

Comprender los términos del informe de entrenamiento
Término	Significado	Contenido asociado
Lotes	Se refiere a cuántos lotes de modelos se entrenaron en el experimento. Cuando se utiliza la optimización inteligente de modelos, estos se entrenan en lotes iterativos para mejorar el rendimiento y los resultados del entrenamiento. Por el contrario, una versión experimental que no utilice la optimización inteligente de modelos, es decir, la optimización manual, entrena los modelos en un único lote.	-
EDA	Se refiere al análisis exploratorio de datos. Es un término para un conjunto automático de procesamientos que se realizan en los datos de entrenamiento antes de que comience el entrenamiento del modelo.	Configuración del experimento
Codificación, Codificación por impacto, Codificación en caliente (one-hot)	Se refiere al procesamiento aplicado a los datos de las funciones para hacerlos más utilizables en el entrenamiento de modelos.	Codificación categórica
Ingeniería de características	Se refiere a numerosos procesos que dan lugar a nuevas funciones. Puede tratarse de nuevas funciones que se exponen como entidades totalmente nuevas, y también de funciones que se crean mediante la codificación y el procesamiento de texto libre.	Crear nuevas columnas de características Ingeniería automática de características Codificación categórica
Validación cruzada quíntuple	Se refiere a la validación cruzada que se realiza en los modelos después de cada iteración de entrenamiento.	Datos retenidos y validación cruzada
Optimización	Se refiere a si el entrenamiento del modelo utilizó una optimización inteligente o manual.	Trabajar con la optimización de modelos
Ratio de muestreo	Se refiere a qué parte del conjunto de datos de entrenamiento se utilizó para entrenar el modelo. Cuando se utiliza la optimización inteligente de modelos, a veces estos pueden entrenarse con menos del 100 % del conjunto de datos original, sobre todo en el caso de conjuntos de datos muy grandes. Por el contrario, una versión experimental que no utilice la optimización inteligente de modelos, es decir, la optimización manual, siempre utiliza el 100 % del conjunto de datos de entrenamiento.	Muestreo de datos de entrenamiento
Dividir	Se refiere a una división automática del conjunto de datos de entrenamiento en datos de entrenamiento y de conservación. La conservación no se utiliza para el entrenamiento del modelo, sino para comprobar su rendimiento.	Datos retenidos y validación cruzada
U=Usuario la anuló	Se refiere a la acción del usuario de cambiar manualmente el tipo de función a partir del tipo de función identificado de forma automática.	Cambiar los tipos de características

Permisos y requisitos para descargar informes de entrenamiento

Permisos y requisitos para descargar del centro de actividades de Administración

Para exportar un informe de entrenamiento desde el centro de actividad Administración, es necesario implementar el modelo en al menos una implementación de ML.

También necesita ver el acceso a los contenidos de aprendizaje automático. En otras palabras, como administrador, debe tener uno de los siguientes:

El rol Tenant Admin
El rol Analytics Admin
El permiso de administrador Administrar experimentos e implementaciones de ML configurado en Permitido mediante User Default o mediante un rol de seguridad personalizado

Permisos para descargar desde experimentos e implementaciones de ML

Con una de las siguientes opciones, un administrador puede descargar los informes de entrenamiento de los experimentos e implementaciones de ML:

El rol de Tenant Admin
El rol de Analytics Admin
El permiso de administrador Administrar experimentos e implementaciones de ML configurado en Permitido mediante User Default o mediante un rol de seguridad personalizado

Limitaciones

Los informes de entrenamiento solo están disponibles para los experimentos de ML creados a finales de julio de 2025 y después.

¿Esta página le ha sido útil?

Si encuentra algún problema con esta página o su contenido (errores tipográficos, pasos que faltan o errores técnicos), no dude en ponerse en contacto con nosotros.

Deje aquí sus comentarios