Accéder au contenu principal

Déploiement de votre modèle

L'étape suivante consiste à déployer votre modèle. Le déploiement d'un modèle vous permet de l'utiliser pour générer des prédictions sur de nouvelles données.

Le processus d'affinement de modèle est différent pour chaque projet sur lequel vous travaillez. Une fois que vous disposez d'un modèle correspondant aux critères de votre cas d'utilisation, vous pouvez le déployer. Cela créera un déploiement ML, disponible dans Catalogue.

Pour plus d'informations sur le déploiement de modèles dans Qlik AutoML, voir Utilisation de déploiements ML.

Note InformationsAutoML améliore en permanence ses processus d'apprentissage de modèles. Il se peut que les métriques de votre modèle ainsi que l'algorithme du modèle que vous allez déployer ne soient pas identiques à ceux illustrés sur les images de cette page.
  1. Dans le tableau de métriques du modèle, cochez la case correspondant à la version de modèle à déployer. Suivant les performances du modèle et l'absence de problèmes de fuite de données, il s'agira probablement du modèle le plus performant de la v3.

  2. Cliquez sur Déployer dans le coin inférieur droit de la page.

  3. Saisissez un nom pour votre déploiement, par exemple, Déploiement Perte de clientèle.

    Sinon, conservez le nom de déploiement par défaut.

  4. Si nécessaire, ajustez l'espace, la description et les balises.

  5. Cliquez sur Déployer.

    Déploiement d'un modèle dans Qlik AutoML

    Sélection de l'option Déployer pour le modèle sélectionné.

Votre nouveau déploiement ML est maintenant disponible dans Catalogue.

Cliquez sur Ouvrir ou revenez à Catalogue et ouvrez le déploiement ML. L'interface Gestion des modèles ML s'ouvre.

Interface Gestion des modèles ML d'un déploiement ML

Vue d'ensemble du déploiement du nouveau modèle dans l'interface Gestion des modèles ML.

Vous pouvez maintenant passer à la création de prédictions avec votre déploiement ML.

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 !