Introduction à l'apprentissage automatique

Automatisez l'apprentissage automatique pour votre équipe chargée des analyses avec Qlik AutoML. Grâce à son interface simple sans code, vous pouvez facilement créer des expériences en apprentissage automatique afin de générer des modèles et d'effectuer des prédictions.

En quoi consiste l'apprentissage automatique

L'apprentissage automatique est une branche de l'intelligence artificielle et de la science des données (Data Science) axée sur la reconnaissance de patterns dans les données historiques pour prédire des résultats futurs. Des algorithmes sont formés sur les données pour créer un modèle prédictif sans avoir été explicitement programmés pour le faire. Un modèle d'apprentissage automatique peuvent vous aider à répondre à des questions telles que les suivantes :

Un client d'une salle de sport va-t-il annuler son abonnement ?
Quelle est la valeur de la durée de vie prévue d'un client donné ?

Lisez-en plus sur les concepts de base à la section Comprendre l'apprentissage machine. Vous découvrirez également le cadre structuré permettant de définir des questions d'apprentissage automatique et de préparer des jeux de données.

Ce qu'il est possible de faire avec l'apprentissage automatique

Créez des expérimentations d'apprentissage automatique dans Qlik Sense. Dans le centre d'activités Analyses, vous pouvez collaborer sur l'expérimentation avec d'autres utilisateurs et charger facilement des données depuis Catalogue pour effectuer l'apprentissage du modèle.

Intégrez vos analyses prédictives à des applications Qlik Sense pour partager vos découvertes. Explorez davantage via des visualisations et des scénarios hypothétiques interactifs pour comprendre comment la modification de différents paramètres peut affecter le résultat recherché.

Vous pouvez effectuer des prédictions sur des jeux de données de Catalogue ou réaliser des prédictions opérationnelles en temps réel via des API Qlik Sense.

Fonctionnement des expérimentations

Une expérimentation forme des algorithmes d'apprentissage automatique sur un jeu de données spécifique avec une cible déterminée. L'apprentissage génère des modèles d'apprentissage automatique que vous pouvez utiliser pour effectuer des prédictions.

La majeure partie du processus est automatisée dans le cadre d'un apprentissage automatique. Lorsque vous créez une expérimentation et que vous chargez un jeu de données, ce dernier est automatiquement analysé et les données sont pré-traitées pour les préparer à l'apprentissage automatique. Des statistiques et d'autres informations sur chaque colonne sont affichées pour vous aider à sélectionner une cible. Lorsque vous démarrez l'apprentissage, plusieurs algorithmes commencent à rechercher des patterns dans les données. Pour plus d'informations sur la création et l'apprentissage d'expérimentations, voir Utilisation d'expérimentations.

Une fois l'apprentissage terminé, des scores et des classements vous permettent d'évaluer les modèles d'apprentissage automatique générés. En modifiant les paramètres et en itérant l'apprentissage, vous pouvez générer un certain nombre de versions. Sélectionnez le modèle le plus performant pour votre jeu de données et déployez-le pour commencer à effectuer des prédictions. Pour plus d'informations, consultez Utilisation de déploiements ML.

Comme illustré sur l'image suivante, une expérimentation peut avoir différentes versions, chacune utilisant un ou plusieurs algorithmes. Le modèle avec l'algorithme le plus performant peut être déployé pour effectuer des prédictions. Cela signifie qu'une expérimentation peut aboutir à plusieurs déploiements ML.

Vue d'ensemble des relations entre expérimentations, versions, algorithmes, modèles et prédictions.

Accès utilisateur à AutoML

Pour des informations détaillées complètes sur la manière dont les utilisateurs peuvent accéder à Qlik AutoML, voir Qui peut utiliser Qlik AutoML.

Limitations et fonctionnalités gouvernées par les licences AutoML

AutoML est une fonctionnalité payante complémentaire. Certaines fonctionnalités limitées sont incluses dans les abonnements applicables. Les fonctionnalités et la capacité spécifiques dépendent de votre niveau d'abonnement.

Limitations

Qlik AutoML à une limite de débit d'API de 300 requêtes par minute.
Nombre maximal de colonnes du jeu de données : 500

Cela s'applique aux jeux de données utilisés pour former des expérimentations et générer des prédictions. La limite correspond au nombre de colonnes utilisées comme caractéristiques dans une version d'expérimentation. Le jeu de données peut comporter davantage de colonnes et les limites sont calculées lors de l'inclusion des colonnes dans le jeu de données.

Capacités gouvernées par les licences

Votre licence client détermine la capacité de différentes métriques régissant la manière dont vous pouvez utiliser Qlik AutoML. Vos métriques d'utilisation sont mesurées sous forme de combinaison de votre utilisation des services AutoML via l'interface utilisateur AutoML, de l'analyse des facteurs clés dans une application Qlik Sense et des API publiques.

Il existe différents niveaux AutoML disponibles, suivant les besoins de votre entreprise. Il existe les deux types de niveaux suivants :

Niveau inclus : il s'agit de la fonctionnalité AutoML de base présentant des fonctions limitées. Elle est incluse avec un abonnement à Qlik Sense Enterprise SaaS, Qlik Cloud Analytics - Standard, Qlik Cloud Analytics - Premium, Qlik Cloud Enterprise ou Qlik Talend Cloud (Standard, Premium ou Enterprise). Le niveau inclus est adapté à des fins d'essai et pour évaluer dans quelle mesure Qlik AutoML peut répondre aux besoins de votre entreprise. Il n'est pas adapté aux cas d'utilisation en production. Pour des fonctionnalités plus complètes, il est conseillé d'acheter un niveau payant de Qlik AutoML.
Niveaux payants : il existe un certain nombre de packages qui fournissent les fonctionnalités AutoML complètes nécessaires pour les cas d'utilisation en production. Ils sont disponibles sous forme de compléments payants supplémentaires à un abonnement Qlik Cloud.

Les fonctions suivantes sont disponibles uniquement dans les niveaux payants de Qlik AutoML :

Optimisation des hyperparamètres
Prédictions planifiées
Prédictions en temps réel
Connecteur Qlik AutoML

Pour plus d'informations sur ce qui est inclus dans chaque type de niveau AutoML, voir le tableau ci-dessous.

Métriques Qlik AutoML et disponibilité par type de niveau
Métriques	Description	Disponible dans le niveau inclus	Disponible dans les niveaux payants
Modèles déployés	Le niveau inclus dans un abonnement Qlik Cloud définit un nombre maximal de modèles déployés pouvant être créés dans l'ensemble des clients générés dans le cadre de la licence. 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.	Oui	Oui
Formation simultanée	Il s'agit du nombre de modèles qu'un client peut former en parallèle. Dans le niveau inclus de Qlik AutoML, chaque modèle sera exécuté l'un après l'autre. Les niveaux payants incluent une capacité permettant à votre client de former plusieurs modèles à la fois.	Non	Oui
Taille de jeu de données supérieure	Les niveaux payants acceptent des tailles de jeux de données supérieures pour la formation des modèles.	Non	Oui
Prédictions par lots manuelles	Prédisez toutes les lignes d'un jeu de données manuellement.	Oui	Oui
Prédictions par lots planifiées	Configurez vos prédictions de sorte qu'elles s'exécutent en fonction d'une planification au lieu de les lancer manuellement. Les prédictions planifiées sont disponibles uniquement avec les niveaux payants de Qlik AutoML. Pour plus d'informations, consultez Planification de prédictions.	Non	Oui
Prédictions en temps réel	Employez cette API pour utiliser vos déploiements ML de sorte à exécuter des prédictions en temps réel. Pour plus d'informations, consultez Création de prédictions en temps réel.	Non	Oui
Connecteur Qlik AutoML dans Qlik Cloud Analytics	Avec ce connecteur analytique, vous pouvez charger des données depuis la plateforme Qlik AutoML intégrée dans Qlik Cloud. Pour plus d'informations, consultez Source analytique Qlik AutoML.	Non	Oui
Optimisation des hyperparamètres	L'optimisation des hyperparamètres vous permet de régler finement vos modèles AutoML pour mieux contrôler le processus d'apprentissage. Pour plus d'informations, consultez Optimisation des hyperparamètres.	Non	Oui
Surveillance des modèles déployés	Utilisez les outils de surveillance intégrés pour évaluer les modèles déployés dans les déploiements ML. Vous pouvez surveiller la dérive des caractéristiques au fil du temps ainsi que les détails de l'utilisation du modèle pour les prédictions. Pour plus d'informations, consultez Surveillance des performances et de l'utilisation des modèles déployés.	Non	Oui

Les déploiements ML que vous créez dans Qlik AutoML n'expirent pas. Si vous avez atteint le nombre maximal de modèles déployés, supprimez un ou plusieurs modèles déployés existants ou passez votre abonnement à un niveau supérieur.

Pour des informations plus détaillées sur vos métriques de licences, voir la description de produit Abonnements Qlik Cloud®.Les administrateurs peuvent afficher des informations sur les licences et surveiller le nombre de modèles déployés dans le centre d'activités Administration. Pour plus d'informations, voir Suivi de la consommation de ressources.

En savoir plus

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 !

Laissez vos commentaires ici