# Trabajar con el aprendizaje automático (ML, Machine Learning) en Qlik Answers

Puede trabajar con el ML automatizado de Qlik Predict utilizando la tecnología basada en IA de Qlik Answers.

En la experiencia con agentes de Qlik Answers, puede crear y ejecutar flujos de trabajo de aprendizaje automático en lenguaje natural. Puede explorar conjuntos de datos, configurar y entrenar experimentos, y ejecutar predicciones desde la experiencia misma de chat.

Esta experiencia de Qlik Answers es independiente del acceso a las capacidades de Qlik Predict a través del servidor MCP Qlik en un cliente LLM externo. Para más información, vea [El servidor MCP de Qlik](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-server.htm).

Trabajar con Predict en Qlik Answers

Trabajar con Predict en Qlik Answers

Trabajar con PredictPredict en Qlik AnswersQlik Answers ![Entrenamiento de experimentos de ML en la experiencia agéntica](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-answers.png)

Govnote-not-inNo compatible en Qlik Cloud Government.

Govnote-not-inNo compatible en Qlik Cloud Government - DoD.

## Antes de comenzar

Requisitos previos

* Su espacio empresarial inquilino debe tener activada la inferencia entre regiones; es decir, el espacio empresarial inquilino debe estar habilitado para la experiencia agéntica de Qlik Answers.

  [Habilitar la inferencia entre regiones](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/cross-region-data-processing.htm)

* Su espacio empresarial inquilino y su suscripción tienen capacidad para Qlik Answers y Qlik Predict.

  [Capacidad de Qlik Answers](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm#Capacity)

  [Supervisión del consumo de Qlik Predict para la suscripción](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-managing-experiments-deployments.htm#MonitorConsumption)

* Debe tener acceso a los conjuntos de datos y activos de Qlik Predict requeridos.

  [Permisos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/predict-agent.htm#Permissions)

## Abrir Qlik Predict en Qlik Answers

Haga lo siguiente:

1. Haga clic en Abrir Answers para abrir Qlik Answers.

2. En el menú desplegable, seleccione Predict.

   Abriendo Predict

   Abriendo Predict

   Abriendo PredictPredict ![Selección del agente de predict en el chat](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-agent-selector.png)

## Flujos de trabajo de un extremo a otro

Utilice los siguientes flujos de trabajo al trabajar con Predict.

### Paso 1: Exploración e información del conjunto de datos

Utilice la información del conjunto de datos para comprender la calidad de los datos y los campos candidatos antes del entrenamiento. Solicite información y recomendaciones de objetivo.

Tampoco necesita saber el nombre exacto del conjunto de datos que desea utilizar — puede solicitar una lista de los conjuntos de datos disponibles.

Preguntas de ejemplo para la exploración de conjuntos de datos y obtención de información

| Acción | Preguntas de ejemplo | Notas |
| --- | --- | --- |
| Selección de conjuntos de datos | <ul> <li> <p> <span>Muéstrame los conjuntos de datos disponibles para el entrenamiento</span></p> </li> <li> <p><span>¿Qué conjuntos de datos puedo usar para el entrenamiento?</span> </p> </li> <li> <p><span>Mostrar conjuntos de datos</span> </p> </li> </ul> | - |
| Información del conjunto de datos | <ul> <li> <p><span>¿puedes mostrarme información del conjunto de datos para &lt;nombre del conjunto de datos&gt;?</span> </p> </li> </ul> | Como alternativa, primero puede abrir el conjunto de datos en Qlik Cloud y, a continuación, hacer preguntas como:<br><br><ul> <li> <p><span>¿puedes mostrarme información del conjunto de datos para este conjunto de datos?</span> </p> </li> <li> <p><span>¿Qué funciones de este conjunto de datos tienen una cardinalidad alta?</span> </p> </li> </ul> |
| Recomendación de objetivo | <ul> <li> <p><span>¿Qué columna recomienda usar como objetivo?</span> </p> </li> <li> <p><span>¿Cuál es su recomendación para el objetivo? </span> </p> </li> <li> <p><span>¿Qué columna debería predecir el modelo entrenado?</span> </p> </li> </ul> | Útil como preguntas de seguimiento después de seleccionar un conjunto de datos y explorar la información. |

### Paso 2: Entrenamiento y supervisión de experimentos

Describa su objetivo y deje que el agente configure y ejecute un experimento. Se admiten tipos de experimentos de regresión y clasificación. Después de haber seleccionado un conjunto de datos y un objetivo, se le pedirá que inicie el entrenamiento.

Si ya ha iniciado un flujo de trabajo de aprendizaje automático anteriormente, puede pedirle a Predict que supervise los experimentos existentes.

Preguntas de ejemplo para el entrenamiento y la monitorización de experimentos

| Acción | Preguntas de ejemplo | Notas |
| --- | --- | --- |
| Entrenamiento de experimentos (con el conjunto de datos ya seleccionado) | <ul> <li> <p><span>Quiero predecir &lt;nombre de columna&gt;</span> </p> </li> <li> <p><span>Usar &lt;nombre de columna&gt; como objetivo</span> </p> </li> </ul> | Útiles como preguntas de seguimiento después de seleccionar un conjunto de datos de entrenamiento para usar. |
| Entrenamiento de experimentos (sin conjunto de datos seleccionado) | <ul> <li> <p><span>Entrena modelos para predecir el &lt;nombre de columna&gt;; usar &lt;nombre del conjunto de datos o una palabra clave&gt;</span> </p> </li> <li> <p><span>Crea un experimento con datos de &lt;nombre del conjunto de datos o una palabra clave&gt;</span> </p> </li> </ul> | Estas preguntas pueden ayudarle a empezar directamente sin tener que buscar manualmente conjuntos de datos por su nombre. |
| Supervisión de experimentos | <ul> <li> <p><span>Mostrar mis experimentos más recientes y su estado</span> </p> </li> <li><span>¿Cuál es el estado de mi experimento?</span> </li> </ul> | - |

### Paso 3: Interpretación del modelo y recomendaciones

Una vez completado el entrenamiento, puede solicitar una interpretación en lenguaje sencillo del comportamiento del modelo y recomendaciones basadas en los resultados del modelo.

Ejemplos de preguntas para el análisis del modelo

| Acción | Preguntas de ejemplo | Notas |
| --- | --- | --- |
| Recomendaciones de modelos | <ul> <li> <p><span>¿Cuál es el mejor modelo en este experimento?</span> </p> </li> <li> <p><span>Tengo abierto el experimento &lt;nombre del experimento&gt;. ¿Cuál es el mejor modelo?</span> </p> </li> <li> <p><span>Tengo abierto el experimento &lt;nombre del experimento&gt;. Resume el mejor rendimiento del modelo para un público empresarial</span> </p> </li> </ul> | Para obtener los mejores resultados, debe tener el experimento abierto en su navegador o hacer referencia al nombre del experimento en el prompt. |
| Métricas e información del modelo | <ul> <li> <p><span>¿Cuál es el mejor algoritmo de modelo en este experimento?</span> </p> </li> <li> <p><span>Tengo abierto el experimento &lt;nombre del experimento&gt;. ¿Cuáles son las métricas del mejor modelo?</span> </p> </li> <li> <p><span>Explora la información del modelo y la importancia de la función para este experimento</span> </p> </li> <li> <p><span>Tengo abierto el experimento &lt;nombre del experimento&gt;. ¿Qué funciones tienen el mayor impacto en este modelo?</span> </p> </li> </ul> | Para obtener los mejores resultados, debe tener el experimento abierto en el navegador o hacer referencia al nombre del experimento en el prompt. |

Al analizar modelos en el chat, también puede hacer clic en the Ver origen icon para ampliar los detalles adicionales, incluidos los gráficos de desglose de importancia de las funciones y la información de lenguaje natural.

Uso de Ver origen para analizar modelos con gráficos integrados

Uso de Ver origen para analizar modelos con gráficos integrados

Uso de Ver origenVer origen para analizar modelos con gráficos integrados ![Uso de Ver origen para analizar modelos con gráficos integrados](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-agent_view-source-model-metrics.png)

### Paso 4: Implementación, activación y predicciones

Después del entrenamiento, puede implementar un modelo, creando una implementación de ML. Después de haber solicitado implementar un modelo, se le pedirá que confirme la implementación.

También puede ejecutar predicciones por lotes utilizando los modelos que ha implementado. El sistema busca conjuntos de datos de aplicación compatibles y los muestra para que pueda elegir. También puede utilizar indicaciones en lenguaje natural para seleccionar un conjunto de datos de aplicación específico.

Los modelos implementados se activan automáticamente a medida que se crean las predicciones, según la capacidad disponible para la suscripción.

Preguntas de ejemplo para la implementación y las predicciones

| Acción | Preguntas de ejemplo | Notas |
| --- | --- | --- |
| Implementación y supervisión de modelos | <ul> <li> <p><span>Implementa el mejor modelo para este experimento</span> </p> </li> <li> <p><span>Tengo abierto el experimento &lt;nombre del experimento&gt;. Muestra detalles de la implementación</span> </p> </li> <li><span>Comprueba el estado de la implementación de este experimento</span> </li> </ul> | Útil como preguntas de seguimiento directamente después del análisis del modelo.<br><br>Para obtener los mejores resultados, debe tener el experimento abierto en su navegador o hacer referencia al nombre del experimento en el prompt. |
| Predicciones—iniciar la solicitud | <ul> <li> <p><span>Ejecuta predicciones con esta implementación</span> </p> </li> <li> <p><span>Ejecuta predicciones con la implementación &lt;deployment name&gt;</span> </p> </li> </ul> | Para obtener los mejores resultados, debe tener la implementación abierta en el navegador o hacer referencia al nombre de la implementación en el prompt. |
| Predicciones: selección de un conjunto de datos de aplicación | <ul> <li> <p><span>Usa &lt;nombre del conjunto de datos de aplicación&gt; como el conjunto de datos de aplicación para predicciones con esta implementación</span> </p> </li> <li> <p><span>Tengo abierta la implementación &lt;nombre de la implementación&gt;. Ejecuta predicciones con el conjunto de datos &lt;nombre del conjunto de datos de aplicación&gt;</span> </p> </li> </ul> | Para obtener los mejores resultados, debe tener la implementación abierta en el navegador o hacer referencia al nombre de la implementación en el prompt. |
| Predicciones—supervisar el estado | <ul> <li> <p><span>Comprueba el estado de la predicción por lotes para esta implementación</span> </p> </li> </ul> | Para obtener los mejores resultados, debe tener la implementación abierta en el navegador o hacer referencia al nombre de la implementación en el prompt. |
| Predicciones: explorar el resultado de la predicción | <ul> <li> <p><span>Tengo abierta la implementación &lt;nombre de la implementación&gt;. Explorar los resultados de predicción actuales</span> </p> </li> <li> <p><span>Muéstrame mis últimas predicciones para esta implementación</span> </p> </li> </ul> | Para obtener los mejores resultados, debe tener la implementación abierta en el navegador o hacer referencia al nombre de la implementación en el prompt. |

## Mejores prácticas para hacer preguntas

Para obtener los mejores resultados al trabajar con Qlik Predict en Qlik Answers, siga estas directrices generales:

* Si no está seguro de cómo empezar, pregunte a Predict qué puede hacer. Qlik Answers puede proporcionar una lista de capacidades admitidas.

* Inicie una nueva conversación al cambiar de tema, o si no obtiene la respuesta que necesita.

* Si no obtiene la respuesta requerida, intente proporcionar más detalles y sea específico sobre lo que desea hacer. Por ejemplo, hacer referencia a los nombres exactos de los conjuntos de datos y otros activos puede ayudar a Qlik Answers a encontrarlos mejor al iniciar el entrenamiento o ejecutar predicciones.

* Vuelva a redactar su pregunta si al principio no devuelve la respuesta que necesita.

Para más información, vea [Buenas prácticas para chatear con Qlik Answers](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/best-practices-assistant-chat.htm).

## Permisos

Necesita los permisos Qlik Answers y Qlik Predict para completar flujos de trabajo de aprendizaje automático de extremo a extremo.

En concreto, necesita lo siguiente:

* Derecho de usuario profesional (solo aplicable a suscripciones basadas en el número de usuarios)

* El permiso requerido IA agéntica &gt; Análisis de datos establecido en Permitido. Este permiso lo asigna un administrador del espacio empresarial inquilino.

  [Gestionar el acceso de los usuarios a Qlik Answers](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm#Access)

* Los permisos de Qlik Predict requeridos para trabajar con experimentos e implementaciones de ML, asignados por un administrador del espacio empresarial inquilino. Vea:

  * [Acceso de los usuarios a los experimentos de ML](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessExperiment)

  * [Acceso de los usuarios a las implementaciones y predicciones de ML](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessDeployment)

* Acceso a los espacios donde se encuentran los conjuntos de datos, experimentos e implementaciones. Vea:

  * [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 en un espacio administrado para usuarios con el permiso Profesional y una suscripción basada en consumo de capacidad](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-prof-full.htm)

## Limitaciones

### Conjuntos de datos

Actualizar y eliminar conjuntos de datos

No puede cargar ni eliminar conjuntos de datos desde el chat.

Cambiar conjuntos de datos

Lo siguiente no es posible en el chat:

* Cambiar los conjuntos de datos de entrenamiento después de ejecutar una versión de experimento.

* Ejecutar múltiples predicciones con diferentes conjuntos de datos de aplicación dentro del mismo chat.

Como solución alternativa, cuando necesite entrenar experimentos o ejecutar predicciones utilizando un conjunto de datos diferente, inicie primero un nuevo chat. Si está entrenando experimentos, esto también requerirá crear un nuevo experimento en el nuevo chat.

Para más información sobre cómo iniciar nuevos chats, vea [Chatear con Qlik Answers](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/using-assistants.htm#Chatting).

Conjuntos de datos muy extensos

El chat no admite conjuntos de datos que superen ninguno de los siguientes límites para el espacio empresarial inquilino Qlik Cloud:

* Tamaño máximo del conjunto de datos (conjuntos de datos de entrenamiento)

* Número máximo de celdas del conjunto de datos (conjuntos de datos de entrenamiento)

* Número máximo de columnas incluidas (conjuntos de datos de entrenamiento y de aplicación)

### Características del experimento

* No se admite la detección de sesgos.

* No es posible analizar ni descargar los informes de entrenamiento del modelo.

* No es posible acceder a las analíticas integradas (pestañas Comparar y Analizar) para el experimento.

* Todas las características y algoritmos se seleccionan para el entrenamiento al inicio, al configurar el experimento. No puede deseleccionar características ni algoritmos. Además, siempre se utiliza la optimización inteligente de modelos para entrenar modelos—la optimización manual no es compatible.

* No es posible entrenar segundas y posteriores versiones de un experimento.

### Tipos de modelo

No disponible para modelos de series temporales.

### Tipos de predicción

No disponible para predicciones en tiempo real o basadas en conectores.

### Gestión de modelos de aprendizaje automático

* No puede reemplazar un modelo implementado existente desde el chat.

* No puede implementar múltiples modelos de diferentes versiones de experimentos desde el chat.

* No es posible acceder a la analítica integrada (operaciones de modelo y supervisión de desviación) para la implementación.

[Responder a preguntas con Qlik Answers](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/using-assistants.htm)

[Aprendizaje automático (Machine Learning) con Qlik Predict](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/home-automl.htm)

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

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

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

[Elegir su contexto](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/choose-context.htm)

[Implementar y administrar Qlik Answers](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm)

[Habilitar la inferencia entre regiones](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/cross-region-data-processing.htm)