Presentamos el aprendizaje automático o machine learning ML automatizado (AutoML)

Automatice el aprendizaje automático para su equipo de análisis con Qlik Predict. Con una sencilla interfaz sin código, puede crear fácilmente experimentos de aprendizaje automático para generar modelos y hacer predicciones.

¿Qué es el aprendizaje automático?

El aprendizaje automático es una rama de la inteligencia artificial y la ciencia de datos centrada en reconocer patrones en datos históricos para predecir resultados futuros. Los algoritmos se entrenan con los datos para construir un modelo predictivo sin estar programados explícitamente para ello. Un modelo de aprendizaje automático puede ayudarle a responder preguntas como:

• ¿Cancelará su membresía un cliente de mi gimnasio?

• ¿Cuál es el valor del ciclo de vida que se espera para un cliente determinado?

Más información sobre los conceptos básicos en Comprender el aprendizaje automático. También aprenderá sobre el marco estructurado para definir preguntas de aprendizaje automático y preparar conjuntos de datos.

¿Qué se puede hacer con el aprendizaje automático automatizado?

Cree experimentos automatizados de aprendizaje automático en Qlik Sense. En el centro de actividades Analítica, puede colaborar en el experimento con otros usuarios y cargar fácilmente datos desde el Catálogo para entrenar el modelo.

Integre su análisis predictivo con aplicaciones de Qlik Sense para compartir sus hallazgos. Explore más allá con visualizaciones y escenarios hipotéticos interactivos para comprender cómo el cambio de diferentes parámetros podría afectar al resultado deseado.

Puede hacer predicciones para conjuntos de datos almacenados en el Catálogo o hacer predicciones operativas en tiempo real usando las API de Qlik Sense.

¿Cómo funcionan los experimentos?

Un experimento entrena algoritmos de aprendizaje automático en un conjunto de datos particular con un objetivo en particular. El entrenamiento genera modelos de aprendizaje automático, que puede usar para hacer predicciones.

La mayor parte del proceso está automatizado en el aprendizaje automático automatizado. Cuando crea un experimento y carga un conjunto de datos, el conjunto de datos se analiza automáticamente y los datos se preprocesan para prepararlos para el aprendizaje automático. Se muestran estadísticas y otra información sobre cada columna para ayudarle a seleccionar un objetivo. Cuando comienza el entrenamiento, varios algoritmos comienzan a buscar patrones en los datos. Para más información sobre cómo crear y entrenar experimentos, vea Trabajar con experimentos.

Cuando el entrenamiento finaliza, las puntuaciones y los rangos le permiten evaluar los modelos de aprendizaje automático generados. Al cambiar los parámetros e iterar el entrenamiento, puede generar varias versiones. Elija el modelo con mejor rendimiento para su conjunto de datos e impleméntelo para comenzar a hacer predicciones. Para más información, vea Trabajar con implementaciones de ML.

Como muestra la siguiente imagen, un experimento puede tener varias versiones, cada una con uno o más algoritmos. El modelo con el algoritmo de mejor rendimiento se puede implementar para hacer predicciones. Esto significa que un experimento puede resultar en varias implementaciones de ML.

Limitaciones de Qlik Predict

Qlik Predict es una capacidad adicional de pago. Alguna funcionalidad limitada va incluida en las correspondientes suscripciones. Las características y capacidad específicas dependen de su nivel de suscripción.

• Qlik Predict tiene un límite de velocidad de la API de 300 solicitudes por minuto.

• Número máximo de columnas en el conjunto de datos: 500

  Esto se aplica a los conjuntos de datos utilizados para entrenar experimentos y generar predicciones. El límite es el número de columnas utilizadas como características en una versión del experimento. Puede haber más columnas en el conjunto de datos y los límites se calculan cuando las columnas se incluyen en el conjunto de datos.