Utilisation de prédictions ML

Une fois que vous avez déployé votre modèle d'apprentissage automatique, vous pouvez l'utiliser pour générer des prédictions. Vous pouvez mettre ces prédictions à profit pour prendre des décisions plus efficaces et mieux informées basées sur les données dont vous disposez.

Vous pouvez créer et Modifier des déploiements ML et générer des prédictions dans des espaces personnels ou partagés. Vous pouvez également publier des déploiements ML dans des espaces gérés et générer des prédictions. L'accès aux déploiements ML est contrôlé via l'espace. Pour plus d'informations sur les espaces, voir Utilisation des espaces.

Il est possible de créer des déploiements ML dans des espaces personnels, partagés et gérés. Il est possible de stocker les données de prédiction d'un déploiement ML dans un espace personnel, partagé ou géré.

Flux de travail

Les étapes suivantes montrent, dans un exemple, comment utiliser des déploiements ML et des prédictions.

1. Déployez le modèle

   Déployez le modèle à utiliser pour faire des prédictions.

   Déploiement de modèles

2. Faire approuver votre modèle

   Avant de pouvoir effectuer des prédictions avec le déploiement ML, vous devez activer le modèle source pour qu'il puisse effectuer des prédictions. L'approbation de modèles peut être effectuée par les utilisateurs et les administrateurs titulaires d'autorisations spécifiques.

   Approbation de modèles déployés

3. Réalisation de prédictions

   Effectuez des prédictions manuelles ou planifiées sur les jeux de données ou utilisez le point de terminaison de prédiction en temps réel de l'API Apprentissage automatique.

   Création de prédictions sur des jeux de données

   API Apprentissage automatique

4. Visualisez les informations prédictives

   Chargez les données de prédiction générées dans une application et créez des visualisations.

   Visualisation de valeurs de Shapley dans des applications Qlik Sense

5. Explorez les données via des scénarios hypothétiques

   Intégrez l'API de prédiction à une application pour obtenir des prédictions en temps réel. Cela vous permet d'essayer des scénarios hypothétiques en modifiant les valeurs des caractéristiques et en obtenant les résultats prédits des nouvelles valeurs. L'enregistrement est transmis au déploiement ML via l'API et une réponse est reçue en temps réel. Par exemple, quel serait le risque de perte de clientèle si nous modifiions le type de programme ou si nous augmentions le tarif de base ?

6. Agissez

   Analysez les informations prédictives et les scénarios pour savoir comment agir. Qlik Application Automation vous aide à automatiser les actions et fournit des modèles spécifiques pour des cas d'utilisation d'apprentissage automatique. Pour plus d'informations sur les automatisations, voir Qlik Application Automation (uniquement en anglais).

7. Remplacement de modèles, si nécessaire

   Au fil du temps, la distribution et les caractéristiques de vos données d'entrée peuvent changer. Si votre problème d'apprentissage automatique initial reste le même, vous pouvez passer à de nouveaux modèles dans votre déploiement ML existant pour permettre une amélioration en toute transparence des prédictions avec un minimum de perturbations. Si vous devez redéfinir votre problème d'apprentissage automatique initial, vous pouvez créer une nouvelle expérimentation.

   Utilisation de plusieurs modèles dans votre déploiement ML

Conditions requises et autorisations

Pour des informations sur les conditions requises relatives aux autorisations utilisateur pour pouvoir utiliser des prédictions et des déploiements ML, consultez Contrôles d'accès des déploiements et des prédictions ML.