# Utilisation de l'optimisation de modèle

Vous pouvez configurer vos modèles de sorte que leur apprentissage soit effectué avec ou sans les fonctions d'optimisation disponibles.

## Optimisation de modèle intelligente

Par défaut, Qlik Predict utilise l'optimisation de modèle intelligente pour affiner automatiquement les modèles via des itérations sur les sélections de caractéristiques et l'application de transformations avancées. Vous pouvez désactiver cette fonction pour chaque version d'expérimentation si vous avez besoin de plus de contrôle sur le processus d'apprentissage.

Pour plus d'informations, consultez [Optimisation de modèle intelligente](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/intelligent-model-optimization.htm).

## Optimisation des hyperparamètres

Réglez finement vos modèles à l'aide des fonctions d'apprentissage automatique avancées.

Pour plus d'informations, consultez [Optimisation des hyperparamètres](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/hyperparameter-optimization.htm).

## Création de modèles temporels

Pour les modèles de classification et de régression, activez l'apprentissage temporel si vos données d'apprentissage dépendent d'informations de date ou d'heure spécifiques.

Pour plus d'informations, consultez [Création de modèles temporels](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-aware-models.htm).

## En savoir plus

* [Configuration d'expérimentations](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)