Accéder au contenu principal Passer au contenu complémentaire

Administration de Qlik AutoML

Les administrateurs de clients peuvent administrer les ressources et les autorisations des utilisateurs AutoML dans le centre d'activités Administration.

L'administration d'AutoML implique les opérations suivantes :

  • Affichage et administration des ressources et des tâches ML, y compris activation et désactivation des modèles pour leur permettre d'effectuer ou non des prédictions. Ces opérations sont configurées dans la section AutoML du centre d'activités Administration.

  • Contrôle de l'accès et des autorisations des utilisateurs pour qu'ils puissent ou non utiliser les ressources AutoML. Ces opérations sont configurées dans la section Utilisateurs du centre d'activités Administration.

  • Surveillance de la consommation des ressources ML allouées pour l'abonnement. Surveillez les métriques de consommation dans les sections Accueil et AutoML du centre d'activités Administration.

Pour plus d'informations sur la création d'expérimentations et de déploiements, voir Apprentissage automatique avec Qlik AutoML.

Types d'administrateurs pour AutoML

Les utilisateurs suivants sont habilités à administrer Qlik AutoML à partir du centre d'activités Administration :

  • Administrateurs de clients : utilisateurs titulaires du rôle Tenant Admin.

  • Administrateurs d'analyses : utilisateurs titulaires du rôle Analytics Admin.

  • Administrateurs approbateurs de modèles : utilisateurs qui n'ont pas de rôle d'administrateur, mais qui se sont vu affecter des autorisations d'administrateur spécifiques via User Default et des rôles personnalisés. Plus précisément, ils doivent avoir l'autorisation Approuver et rejeter les modèles AutoML définie sur Accordé.

Le tableau suivant indique les opérations possibles pour chaque administrateur.

Autorisations des administrateurs dans Qlik AutoML
ActionAdministrateurs de clients supportésAdministrateurs d'analyses supportésAdministrateurs approbateurs de modèles supportés
Configurer les rôles et autorisations des utilisateursOuiNonNon
Afficher l'ensemble des expérimentations, modèles déployés et déploiements MLOuiOuiOui
Activer et désactiver tout modèle déployéOuiNonOui
Surveiller la consommation des capacités AutoML de l'abonnementOuiOuiOui
Arrêter ou annuler des tâches AutoMLOuiOuiNon
Configurer des avis d'approbation de modèles supplémentairesOuiOuiOui

Navigation dans la section AutoML du centre d'activités Administration

Administrez AutoML dans la section AutoML du centre d'activités Administration. Tous les types d'administrateurs AutoML peuvent afficher les Informations dans cette section. Suivant votre type d'administrateur, il se peut que vous ne puissiez pas effectuer certaines actions.

Modèles déployés

L'onglet Modèles déployés affiche tous les modèles qui ont été déployés dans des déploiements ML. Les administrateurs peuvent effectuer les opérations suivantes :

  • Activer et désactiver des modèles pour qu'ils puissent ou non effectuer des prédictions à partir des déploiements ML associés.

    Utilisation de l'approbation de modèles en tant qu'administrateur

  • Afficher l'expérimentation ML source dans laquelle l'apprentissage d'un modèle a été effectué.

  • Afficher le statut d'approbation et le dernier approbateur d'un modèle.

  • Surveiller toutes les instances dans lesquelles un modèle est déployé.

Cliquez sur Flèche vers le bas près d'un modèle pour accéder à des détails supplémentaires, notamment l'historique du modèle, des détails sur l'expérimentation source et le nom du jeu de données d'apprentissage.

Déploiements ML

L'onglet Déploiements ML affiche tous les déploiements ML du client. Les détails disponibles incluent :

  • Date à laquelle le modèle source a été déployé dans le déploiement ML.

  • Nom, statut et dernier approbateur du modèle source.

Cliquez sur Flèche vers le bas près d'un modèle pour accéder aux détails du modèle source d'un déploiement ML, notamment l'historique du modèle et les informations sur l'expérimentation source.

Tâches

Dans l'onglet Tâches, gérez les tâches AutoML. Pour plus d'informations, consultez Arrêt ou annulation de tâches.

Paramètres

L'onglet Paramètres vous permet de configurer des options supplémentaires pour les notifications d'approbation de modèles dans le client. Pour plus d'informations, consultez Configuration d'un avis d'approbation supplémentaire.

Gestion des autorisations pour l'approbation de modèles

Pour utiliser un modèle déployé afin d'effectuer des prédictions, un utilisateur ou un administrateur disposant des autorisations nécessaires doit l'activer. En tant qu'administrateur, vous pouvez contrôler quels utilisateurs du client sont en mesure d'activer et de désactiver des modèles pour effectuer des prédictions. La procédure est différente pour les approbateurs utilisateurs et les approbateurs administrateurs. Pour plus d'informations, consultez :

Gestion des autorisations pour l'utilisation des ressources AutoML

Pour que les utilisateurs puissent afficher et utiliser les ressources AutoML, ils doivent disposer d'une combinaison de droit d'utilisateur et de rôles de sécurité spécifiques. Dans les espaces partagés et gérés, les contrôles d'accès sont davantage définis par les rôles d'espace.

Pour permettre aux utilisateurs d'utiliser des expérimentations, de déployer des modèles et de générer des prédictions, affectez-leur le rôle de sécurité Automl Experiment Contributor et/ou le rôle de sécurité Automl Deployment Contributor.

Pour plus d'informations, consultez :

Approbation de modèles pour les administrateurs

Avant de pouvoir générer des prédictions, un utilisateur ou un administrateur doit approuver le modèle au sein d'un déploiement ML.

Pour plus d'informations sur l'approbation de modèles pour les administrateurs, consultez Utilisation de l'approbation de modèles en tant qu'administrateur.

Méthodes d'approbation des modèles et autorisations requises
Méthode d'approbationEmplacement d'exécution de l'approbationAutorisations requises
UtilisateurDéploiement ML

Tout ce qui suit :

  • Rôle de sécurité Automl Deployment Contributor

  • Rôle d'espace applicable (si le déploiement se trouve dans un espace partagé ou géré)

  • Autorisation Approuver ou rejeter vos modèles AutoML définie sur Accordé dans l'un des rôles suivants :

    • Rôle User Default (affecte tous les utilisateurs)

    • Rôle personnalisé (n'affecte que les utilisateurs ayant le rôle personnalisé)

AdministrateurCentre d'activités Administration

Une des valeurs suivantes :

  • Rôle de sécurité Tenant Admin

  • Rôle personnalisé avec l'autorisation d'administrateur Approuver ou rejeter les modèles AutoML définie sur Accordé

Configuration d'un avis d'approbation supplémentaire

Lorsqu'un utilisateur ouvre un déploiement ML qui utilise un modèle en attente d'approbation, un message apparaît pour l'informer que l'approbation du modèle a été demandée. Ce message s'affiche également lorsqu'un utilisateur crée le premier déploiement ML à partir d'un modèle donné.

En tant qu'administrateur, vous pouvez ajouter un avis supplémentaire à ce message. Pour modifier le contenu de cet avis, vous devez être titulaire de l'un des rôles ou autorisations suivants :

  • Rôle de sécurité Tenant Admin

  • Autorisation d'administrateur Approuver ou rejeter les modèles AutoML définie sur Accordé

  1. Dans le centre d'activités Administration, accédez à AutoML.

  2. Ouvrez l'onglet Paramètres.

  3. Dans le champ Avis supplémentaire, saisissez l'avis supplémentaire à afficher aux utilisateurs.

Arrêt ou annulation de tâches

Dans le centre d'activités Administration, les administrateurs de clients et d'analyses peuvent consulter l'ensemble du contenu relatif aux tâches AutoML. Ils peuvent voir les tâches en cours d'exécution et en file d'attente pour l'apprentissage de modèles, le déploiement et la génération de prédictions. Filtrez la liste en fonction du type de tâche et du nom d'utilisateur.

Ces administrateurs peuvent arrêter ou annuler des tâches, si nécessaire.

  1. Dans Administration, accédez à AutoML.

  2. Ouvrez l'onglet Tâches.

  3. Cliquez sur Trois points permettant d'afficher davantage d'options près d'une tâche.

    Note InformationsSinon, sélectionnez plusieurs tâches en cliquant sur les lignes correspondant à chacune d'entre elles.
  4. Cliquez sur Annuler la tâche.

  5. Confirmez l'annulation dans la boîte de dialogue d'annulation de la tâche.

Les tâches sont annulées.

Surveillance de la consommation AutoML de l'abonnement

Vous pouvez surveiller le nombre de modèles déployés actuellement activés pour créer des prédictions. Dans le centre d'activités Administration, ouvrez la section Accueil ou AutoML. Les graphiques suivants affichent la part de capacité de modèles déployés (en comptant uniquement les modèles actifs) restante de l'abonnement :

  • Modèles déployés AutoML

  • Modèles AutoML déployés avec les prédictions activées

Ces informations peuvent également être affichées dans l'interface de déploiement ML par tout utilisateur qui ouvre la ressource. Les informations sont affichées dans la section Statut du modèle en haut de la page.

Un abonnement Qlik Cloud Analytics définit un nombre maximal de modèles déployés pouvant être actifs en même temps (dans l'ensemble des clients relevant de l'abonnement, pour les abonnements multi-clients). Cette limite de consommation est définie par modèle. Cela signifie que plusieurs déploiements ML créés à partir d'un seul modèle comptent comme un seul modèle déployé. Si vous avez atteint le nombre maximal de modèles déployés actifs, vous pouvez effectuer l'une des opérations suivantes :

  • Désactivez un ou plusieurs modèles actuellement actifs pour faire de la place aux nouveaux.

  • Supprimez un ou plusieurs modèles déployés existants pour faire de la place aux nouveaux.

  • Si l'ensemble des modèles actuels et futurs doivent être activés en même temps, mettez l'abonnement à niveau vers un niveau supérieur. Pour des informations sur les options de mise à niveau, consultez la description de produit Abonnements Qlik Cloud®.

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – dites-nous comment nous améliorer !