Introduction à l'apprentissage machine automatisé
Automatisez l'apprentissage machine pour votre équipe chargée des analyses avec Qlik AutoML. Grâce à son interface simple sans code, vous pouvez facilement créer des expériences en apprentissage machine afin de générer des modèles et d'effectuer des prédictions.
En quoi consiste l'apprentissage machine
L'apprentissage machine 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 machine 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 machine et de préparer des ensembles de données.
Ce qu'il est possible de faire avec l'apprentissage machine automatisé
Créez des expérimentations d'apprentissage machine automatisé dans Qlik Sense. Dans le hub, vous pouvez collaborer sur l'expérimentation avec d'autres utilisateurs et charger facilement des données depuis Catalogue pour former le 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 ensembles 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 machine sur un ensemble de données spécifique avec une cible déterminée. L'apprentissage génère des modèles d'apprentissage machine que vous pouvez utiliser pour effectuer des prédictions.
La majeure partie du processus est automatisée dans le cadre d'un apprentissage machine automatisé. Lorsque vous créez une expérimentation et que vous chargez un ensemble de données, ce dernier est automatiquement analysé et les données sont pré-traitées pour les préparer à l'apprentissage machine. 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 machine 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 ensemble de données et déployez-le pour commencer à effectuer des prédictions. Pour plus d'informations, voir 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.

À qui s'adressent les expérimentations et les déploiements ML
Les utilisateurs titulaires de Droit Professionnel peuvent créer des expérimentations dans des espaces personnels ou partagés dans Qlik Cloud. Ils peuvent déployer des modèles dans des espaces personnels ou partagés et générer des prédictions. Ils peuvent également publier des déploiements ML dans des espaces gérés.
Vos expérimentations et vos déploiements ML sont stockés dans Catalogue. Filtrez-les par type ou utilisez les collections pour les trouver facilement. L'accès est contrôlé via l'espace. Pour plus d'informations sur les espaces, voir Utilisation des espaces.
Les administrateurs de clients peuvent gérer les expérimentations et les déploiements ML depuis la Console de gestion. Pour plus d'informations, voir Gestion des expérimentations et des déploiements ML.
Limitations et fonctionnalités gouvernées par les licences AutoML
AutoML est une fonctionnalité complémentaire payante. Certaines fonctionnalités limitées sont incluses dans l'abonnement Qlik Sense Enterprise SaaS. Les fonctionnalités et la capacité spécifiques dépendent de votre niveau d'abonnement.
Limitations
-
Nombre maximal de colonnes de l'ensemble de données : 500
Cela s'applique aux ensembles 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. L'ensemble de données peut comporter davantage de colonnes et les limites sont calculées lors de l'inclusion des colonnes dans l'ensemble de données.
Capacités gouvernées par les licences
Votre licence client détermine la capacité des métriques suivantes :
-
Nombre de déploiements ML
Une unité de quota est consommée lors du déploiement d'un modèle. Si le déploiement ML est supprimé, l'unité est restituée. Si vous déployez la même version de modèle plusieurs fois, cela compte comme un seul déploiement ML.
-
Taille de l'ensemble de données (en nombre total de cellules)
Cela s'applique aux ensembles 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, multiplié par le nombre de lignes. L'ensemble de données peut comporter davantage de colonnes et les limites sont calculées lors de l'inclusion des colonnes dans l'ensemble de données.
-
Nombre de tâches simultanées
Il s'agit du nombre de tâches d'apprentissage d'expérimentation qu'un client peut effectuer en parallèle.
-
Fonctionnalités avancées – uniquement accessibles aux utilisateurs titulaires d'un abonnement AutoML supplémentaire
Les fonctionnalités avancées sont l'optimisation des hyperparamètres et l'API de prédiction.
-
Limite de débit de l'API : 5 requêtes par seconde (par déploiement ML)