Trabajar con implementaciones de ML

Después de entrenar y refinar un modelo, puede implementarlo para hacer predicciones.

Las implementaciones de ML se pueden crear en espacios personales, compartidos y administrados.

Flujo de trabajo

Los pasos siguientes son un ejemplo de cómo trabajar con predicciones e implementaciones de ML.

1. Implementar su modelo

   Implemente el modelo que desee usar para hacer predicciones.

   Implementar los modelos

2. Aprobar su modelo

   Antes de poder realizar predicciones con la implementación de ML, el modelo de origen debe estar activado para realizar predicciones. La aprobación del modelo puede ser realizada por usuarios y administradores que cuenten con los permisos específicos.

   Aprobar los modelos implementados

3. Hacer predicciones

   Realice predicciones manuales o programadas sobre conjuntos de datos o utilice el punto de conexión de predicciones en tiempo real de la API Machine Learning.

   Crear predicciones sobre conjuntos de datos

   API Machine Learning

4. Visualizar las nueva información de predicciones

   Cargue los datos de predicción generados en una aplicación y cree visualizaciones.

   Visualizar valores de SHAP en apps de Qlik Sense

5. Explorar los datos mediante escenarios hipotéticos

   Integre la API de predicción en una aplicación para obtener predicciones en tiempo real. Esto le permite probar escenarios hipotéticos cambiando los valores de las características y obteniendo resultados previstos para los nuevos valores. El registro se pasa a la implementación de ML a través de la API y se recibe una respuesta en tiempo real. Por ejemplo, ¿qué ocurriría con el riesgo de pérdida de clientes si cambiamos el tipo de plan o aumentamos la tarifa base?

6. Tomar acción

   Analice la información predictiva y los escenarios para averiguar qué acciones tomar. Automatización de aplicaciones de Qlik le ayuda a automatizar las acciones y proporciona plantillas específicas para casos de uso de aprendizaje automático. Para obtener más información acerca de las automatizaciones, vea Automatización de aplicaciones de Qlik. (solo en inglés)

7. Sustituya los modelos cuando sea necesario

   Con el tiempo, sus datos de entrada pueden cambiar en distribución y funciones. Si su problema original de aprendizaje automático sigue siendo el mismo, puede intercambiar nuevos modelos en su implementación de ML existente para permitir una mejora continua de las predicciones con una interrupción mínima. Si necesita redefinir su problema original de aprendizaje automático, puede crear un nuevo experimento.

   Utilizar varios modelos en su implementación de ML

Requisitos y permisos

Para obtener información sobre los requisitos de permisos de usuario para trabajar con implementaciones y predicciones de ML, consulte Controles de acceso para implementaciones y predicciones de ML.