Saltar al contenido principal
Amazon SageMaker

EN ESTA PÁGINA

Amazon SageMaker

Amazon SageMaker es una plataforma de aprendizaje automático (machine learning) para automatizar, asegurar y acelerar el análisis predictivo, lo que ayuda a los expertos y analistas de datos a crear e implementar modelos predictivos muy precisos.

Para conectarse a Amazon SageMaker, debe haber creado o tener acceso a un modelo e implementarlo en un punto de conexión de la plataforma AWS. Este punto de conexión debe ser de acceso público para Qlik Cloud.

https://aws.amazon.com/pm/sagemaker.

Limitaciones

  • Amazon Comprehend tiene cuotas máximas de puntos de conexión:

    https://docs.aws.amazon.com/general/latest/gr/sagemaker.html.

  • AWS ofrece implementar modelos en tipos de instancias, por ejemplo, tipos de instancias medianas y grandes. Los recursos disponibles en los servicios de Amazon afectarán y limitarán el rendimiento en la carga de Qlik Sense y la capacidad de respuesta del gráfico.

  • Cuando Qlik Sense envía datos a Amazon SageMaker se envían en formato CSV sin una fila de encabezado. Esto significa que los campos deben enviarse en el orden exacto en el que los espera el punto de conexión de Amazon SageMaker. Debe especificar los campos en el mismo orden en que estaban cuando se generó el modelo.

  • El conector Amazon SageMaker está limitado a 200.000 filas por solicitud. Estos se envían al servicio de puntos de conexión en lotes de 2 filas. En casos donde sea necesario procesar más filas, utilice un Bucle dentro del script de carga de datos para procesar más filas por lotes.

  • En un escenario en el que una aplicación se recarga con regularidad, es una buena práctica almacenar en caché las predicciones mediante un archivo QVD y solo enviar las nuevas filas al punto de conexión de predicción. Esto mejorará el rendimiento de la recarga de la aplicación de Qlik Sense y reducirá la carga en el punto de conexión de Amazon SageMaker.

  • Cuando se utiliza Amazon SageMaker en una expresión de gráfico, es importante proporcionar los tipos de datos de los campos, ya que el modelo necesita procesarlos en el formato de cadena de texto/numérico correcto. Una limitación de las extensiones del lado del servidor en las expresiones de gráficos es que los tipos de datos no se detectan automáticamente como en el script de carga.

  • Si está utilizando un nombre de conexión relativo y si decide mover su app desde un espacio compartido a otro espacio compartido, o si mueve su app de un espacio compartido a su espacio privado, la conexión analítica tardará algún tiempo en actualizarse para reflejar la nueva ubicación del espacio.