# Trabajar con experimentos

Cargue datos históricos en un experimento automatizado de aprendizaje automático y entrene un modelo para analizar y predecir un problema empresarial.

Puede crear y editar experimentos en espacios personales o compartidos.

## Flujo de trabajo

Antes de crear un experimento de Machine Learning automatizado en Analítica de Qlik Cloud, debe tener una pregunta de aprendizaje automático (machine Learning) bien definida y un conjunto de datos de entrenamiento adecuado disponible en el Catálogo. Para más información, vea [Definir las preguntas de aprendizaje automático](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework.htm) y [Cómo preparar su conjunto de datos para el entrenamiento](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-preparation.htm).

Los siguientes pasos describen el flujo de trabajo de un experimento.

1. Cree su experimento

   Cree un nuevo experimento en Qlik Cloud. Agréguelo a un espacio compartido si desea trabajar en colaboración.

   [Crear experimentos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-experiments.htm)

2. Configure su experimento

   Seleccione un objetivo para hacer predicciones y características que respalden la predicción.

   [Configurar experimentos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)

3. Comience el entrenamiento

   Comience el entrenamiento de su primera versión experimental.

   [Entrenar los experimentos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm)

4. Revisar los modelos recomendados

   Revise cómo ha ido el entrenamiento de los modelos y evalúe los modelos que se le han recomendado. Utilice las herramientas integradas para analizar los resúmenes de entrenamiento y la analítica integrada, que ofrecen información a nivel de experimento, versión y modelo.

   [Revisar los modelos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/reviewing-experiments.htm)

   Si se necesita un mayor refinamiento, puede configurar versiones posteriores del experimento. Ajuste parámetros como las características y los algoritmos y vuelva a entrenar nuevas versiones del experimento hasta que tenga un buen modelo.

   [Refinar los modelos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

5. Implementar el modelo

   Cuando tenga un buen modelo es hora de implementarlo y comenzar a hacer predicciones.

   [Trabajar con implementaciones de ML](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

## Requisitos y permisos

Para obtener información sobre los roles de espacio necesarios para trabajar con experimentos de ML en espacios compartidos, consulte:

* [Permisos en un espacio compartido para usuarios Profesional y de suscripciones por consumo de capacidad](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Permisos de administrador en un espacio compartido](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

Si es usted administrador, consulte [Quién puede trabajar con Qlik Predict](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm) para obtener una vista general de los permisos de usuario necesarios para trabajar con experimentos de ML.

## Visualización del linaje y el análisis del impacto

Utilizando las herramientas de Linaje y Análisis de impacto de Qlik Cloud, puede analizar:

* Los orígenes de un experimento de ML y los datos utilizados para entrenar cada modelo.

  [Análisis de linaje para contenidos de aprendizaje automático (machine learning)](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/lineage.htm#MLLineage)

* Cómo se está utilizando el experimento de ML y sus resultados en los contenidos posteriores en Qlik Cloud.

  [Análisis de impacto para contenidos de aprendizaje automático](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/impact-analysis2.htm#MLImpact)