Utilisation de l'apprentissage automatique dans Qlik Answers

Vous pouvez utiliser l'apprentissage automatique automatisé Qlik Predict via la technologie optimisée par l'IA de Qlik Answers.

Dans l'expérience Qlik Answers agentique, vous pouvez créer et exécuter des flux de travail d'apprentissage automatique en langage naturel. Vous pouvez explorer des jeux de données, configurer des expérimentations et en effectuer l'apprentissage et exécuter des prédictions à partir de la même expérience de chat.

Apprentissage d'une expérimentation ML dans l'expérience agentique — Utilisation de Predict dans Qlik Answers

Non supporté par Qlik Cloud Government.

Non supportés par Qlik Cloud Government - DoD.

Avant de commencer

Conditions préalables requises :

Votre client a la détection interrégion activée, c'est-à-dire que le client doit être activé pour l'expérience Qlik Answers agentique.

Activation de la détection interrégion
Votre client et votre abonnement disposent de la capacité Qlik Answers.

Capacité de Qlik Answers
Vous avez accès aux jeux de données et aux ressources Qlik Predict nécessaires.

Autorisations

Ouverture de Qlik Predict dans Qlik Answers

Procédez comme suit :

Cliquez sur Ouvrir Answers pour ouvrir Qlik Answers.
Dans le menu déroulant, sélectionnez Predict.

Ouverture de Predict

Flux de travail complets

Utilisez les flux de travail suivants avec Predict.

Étape 1 : Exploration des jeux de données et informations analytiques

Utilisez les informations analytiques des jeux de données pour comprendre la qualité des données et les champs candidats avant l'apprentissage. Demandez des informations analytiques et des recommandations de cible.

Vous n'avez pas non plus besoin de connaître le nom exact du jeu de données que vous souhaitez utiliser — vous pouvez demander une liste des jeux de données disponibles.

Exemples de questions pour l'exploration des jeux de données et informations analytiques
Action	Exemples de questions	Remarques
Sélection de jeux de données	Show me the available datasets for training (Montre-moi les jeux de données disponibles pour l'apprentissage) What datasets can I use for training? (Quels jeux de données puis-je utiliser pour l'apprentissage ?) List datasets (Répertoriez les jeux de données)	-
Informations analytiques des données	Can you show me dataset insights for (Pouvez-vous me montrer les infomations analytiques du jeu de données) <nom du jeu de données>	Vous pouvez également commencer par ouvrir le jeu de données dans Qlik Cloud, puis poser des questions telles que : Can you show me dataset insights for this dataset? (Pouvez-vous me montrer les informations analytiques de ce jeu de données ?) What features in this dataset have high cardinality (Quelles caractéristiques de ce jeu de données ont une cardinalité élevée)
Recommandation de cible	What column do you recommend to use as the target (Quelle colonne recommandez-vous d'utiliser comme cible) What is your recommendation for the target (Quelle est votre recommandation pour la cible) What column should the trained model predict (Quelle colonne le modèle formé doit-il prédire)	Questions de suivi utiles après avoir sélectionné un jeu de données et exploré les informations analytiques.

Étape 2 : Apprentissage et suivi d'une expérimentation

Décrivez votre objectif et laissez l'agent configurer et exécuter une expérimentation. Les expérimentations de types régression et classification sont supportées. Après avoir sélectionné un jeu de données et une cible, vous êtes invité.e à démarrer l'apprentissage.

Si vous avez déjà démarré un flux de travail d'apprentissage automatique auparavant, vous pouvez demander à Predict de suivre les expérimentations existantes.

Exemples de questions pour l'apprentissage et le suivi des expérimentations
Action	Exemples de questions	Remarques
Apprentissage de l'expérimentation (avec le jeu de données déjà sélectionné)	I want to predict (Je veux prédire) <nom de la colonne> Use (Utilisez) <nom de la colonne> as the target (comme cible)	Questions de suivi utiles après avoir sélectionné un jeu de données d'apprentissage à utiliser.
Apprentissage de l'expérimentation (sans jeu de données sélectionné)	Train models to predict (Formez les modèles pour qu'ils prédisent) <nom de la colonne> ; use (utilisez) <nom du jeu de données ou mot-clé> Create an experiment with the data from (Créez une expérimentation avec les données de) <nom du jeu de données ou mot-clé>	Ces questions peuvent vous aider à démarrer directement sans avoir à rechercher manuellement des jeux de données par leur nom.
Suivi des expérimentations	List my most recent experiments and their status (Répertoriez mes expérimentations les plus récentes et leur statut) What is the status of my experiment (Quel est le statut de mon expérimentation)	-

Étape 3 : Interprétation du modèle et recommandations

Une fois l'apprentissage terminé, vous pouvez demander une interprétation en langage clair du comportement des modèles et des recommandations basées sur la sortie des modèles.

Exemples de questions pour l'analyse des modèles
Action	Exemples de questions	Remarques
Recommandations de modèles	What is the best model in this experiment (Quel est le meilleur modèle de cette expérimentation) I have the experiment (J'ai l'expérimentation) <nom de l'expérimentation> open (ouverte). What is the best model (Quel est le meilleur modèle) I have the experiment (J'ai l'expérimentation) <nom de l'expérimentation> open (ouverte). Summarize the best model performance for a business audience (Résumez les meilleures performances de modèle pour un public professionnel)	Pour obtenir des résultats optimaux, vous devez soit avoir l'expérimentation ouverte dans votre navigateur, soit mentionner le nom de l'expérimentation dans l'invite.
Métriques et informations analytiques des modèles	What is the best model algorithm in this experiment (Quel est le meilleur algorithme de modèle de cette expérimentation) I have the experiment (J'ai l'expérimentation) <nom de l'expérimentation> open (ouverte). What are the metrics for the best model (Quelles sont les métriques du meilleur modèle) Explore model insights and feature importance for this experiment (Explorez les informations analytiques des modèles et l'importance des caractéristiques pour cette expérimentation) I have the experiment (J'ai l'expérimentation) <nom de l'expérimentation> open (ouverte). Which features have the strongest impact on this model? (Quelles caractéristiques ont le plus fort impact sur ce modèle ?)	Pour obtenir des résultats optimaux, vous devez soit avoir l'expérimentation ouverte dans votre navigateur, soit mentionner le nom de l'expérimentation dans l'invite.

Lors de l'analyse de modèles dans le chat, vous pouvez également cliquer sur Afficher la source pour développer des détails supplémentaires, y compris des graphiques de répartition de l'importance des caractéristiques et des informations analytiques en langage naturel.

Utilisation de la fonction Afficher la source pour analyser des modèles avec des graphiques intégrés

Étape 4 : Déploiement, activation et prédictions

Après l'apprentissage, vous pouvez déployer un modèle, ce qui crée un déploiement ML. Après avoir demandé à déployer un modèle, vous êtes invité.e à confirmer le déploiement.

Vous pouvez également exécuter des prédictions par lots à l'aide des modèles que vous avez déployés. Le système recherche des jeux de données à appliquer compatibles et les répertorie pour que vous puissiez faire votre choix. Vous pouvez également utiliser des invites en langage naturel pour sélectionner un jeu de données à appliquer spécifique.

Les modèles déployés sont automatiquement activés à mesure de la création des prédictions, en fonction de la capacité disponible de l'abonnement.

Exemples de questions pour le déploiement et les prédictions
Action	Exemples de questions	Remarques
Déploiement et suivi des modèles	Deploy the best model for this experiment (Déployez le meilleur modèle pour cette expérimentation) I have the experiment (J'ai l'expérimentation) <nom de l'expérimentation> open (ouverte). View deployment details (Affichez les détails du déploiement) Check deployment status for this experiment (Vérifiez le statut du déploiement de cette expérimentation)	Questions de suivi utiles directement après l'analyse des modèles. Pour obtenir des résultats optimaux, vous devez soit avoir l'expérimentation ouverte dans votre navigateur, soit mentionner le nom de l'expérimentation dans l'invite.
Prédictions — lancement de la requête	Run predictions with this deployment (Exécutez des prédictions avec ce déploiement) Run predictions with the deployment (Exécutez des prédictions avec le déploiement) <nom du déploiement>	Pour obtenir des résultats optimaux, vous devez soit avoir le déploiement ouvert dans votre navigateur, soit mentionner le nom du déploiement dans l'invite.
Prédictions — sélection d'un jeu de données à appliquer	Use (Utilisez) <nom du jeu de données à appliquer> as the apply dataset for predictions with this deployment (comme jeu de données à appliquer pour les prédictions avec ce déploiement) I have the deployment (J'ai le déploiement) <nom du déploiement> open (ouvert). Run predictions with the dataset (Exécutez des prédictions avec le jeu de données) <nom du jeu de données à appliquer>	Pour obtenir des résultats optimaux, vous devez soit avoir le déploiement ouvert dans votre navigateur, soit mentionner le nom du déploiement dans l'invite.
Prédictions — suivi du statut	Check batch prediction status for this deployment (Vérifiez le statut des prédictions par lots de ce déploiement)	Pour obtenir des résultats optimaux, vous devez soit avoir le déploiement ouvert dans votre navigateur, soit mentionner le nom du déploiement dans l'invite.
Prédictions—exploration de la sortie des prédictions	I have the deployment (J'ai le déploiement) <nom du déploiement> open (ouvert). Explore current prediction results (Explorez les résultats actuels des prédictions) Show me my latest predictions for this deployment (Affichez mes dernières prédictions pour ce déploiement)	Pour obtenir des résultats optimaux, vous devez soit avoir le déploiement ouvert dans votre navigateur, soit mentionner le nom du déploiement dans l'invite.

Bonnes pratiques pour poser des questions

Pour obtenir des résultats optimaux lors de l'utilisation de Qlik Predict dans Qlik Answers, suivez ces consignes générales :

Si vous ne savez pas comment commencer, demandez à Predict ce qu'il peut faire. Qlik Answers peut fournir une liste des fonctionnalités supportées.
Démarrez une nouvelle conversation lorsque vous changez de sujet ou si vous n'obtenez pas la réponse dont vous avez besoin.
Si vous n'obtenez pas la réponse requise, essayez de fournir plus de détails et soyez précis.e quant à ce que vous cherchez à faire. Par exemple, le fait de mentionner les noms exacts des jeux de données et d'autres ressources peut aider Qlik Answers à mieux les trouver lors du démarrage de l'apprentissage ou de l'exécution de prédictions.
Reformulez votre question s'il ne renvoie pas la réponse dont vous avez besoin dès le début.

Pour plus d'informations, consultez Meilleures pratiques pour dialoguer avec Qlik Answers.

Autorisations

Vous devez disposer des autorisations Qlik Answers et Qlik Predict pour mener à bien des flux d'apprentissage automatique de bout en bout.

Spécifiquement, vous avez besoin des autorisations et rôles suivants :

Le droit d'utilisateur Professional (s'applique uniquement aux abonnements basés sur les utilisateurs)
L'autorisation IA agentique > Analyse de données requise définie sur Accordé. Cette autorisation est attribuée par un administrateur de clients.

Gestion de l'accès des utilisateurs à Qlik Answers
Les autorisations Qlik Predict requises pour utiliser des expérimentations ML et des déploiements ML, qui vous sont attribuées par un administrateur de clients. Consultez :
- Accès des utilisateurs aux expérimentations ML
- Accès des utilisateurs aux déploiements et prédictions ML
Accès aux espaces dans lesquels se trouvent les jeux de données, les expérimentations et les déploiements. Consultez :
- Autorisations dans les espaces partagés pour les utilisateurs Professional et d'abonnements basés sur la capacité
- Autorisations dans les espaces gérés pour les utilisateurs Professional et d'abonnements basés sur la capacité

Limitations

Jeux de données

Mise à jour et suppression de jeux de données

Vous ne pouvez pas charger ni supprimer des jeux de données depuis le chat.

Modification de jeux de données

Les opérations suivantes ne sont pas possibles dans le chat :

Modifier les jeux de données d'apprentissage après l'exécution d'une version d'expérimentation.
Exécuter plusieurs prédictions avec différents jeux de données à appliquer au sein du même chat.

Comme solution de contournement, lorsque vous devez effectuer l'apprentissage d'expérimentations ou exécuter des prédictions à l'aide d'un jeu de données différent, commencez par démarrer un nouveau chat. Si vous effectuez l'apprentissage d'expérimentations, cela nécessitera également la création d'une nouvelle expérimentation dans le nouveau chat.

Pour plus d'informations sur le démarrage de nouveaux chats, consultez Discussion avec Qlik Answers.

Jeux de données volumineux

Le chat ne supporte pas les jeux de données qui dépassent l'une des limites suivantes pour le client Qlik Cloud :

Taille de jeu de données maximale (jeux de données d'apprentissage)
Nombre de cellules maximal du jeu de données (jeux de données d'apprentissage)
Nombre maximal de colonnes incluses (jeux de données d'apprentissage et à appliquer)

Caractéristiques des expérimentations

La détection des biais n'est pas supportée.
Il n'est pas possible d'analyser ni de télécharger des rapports d'apprentissage de modèle.
Il n'est pas possible d'accéder aux analyses intégrées (onglets Comparer et Analyser) pour l'expérimentation.
L'ensemble des caractéristiques et des algorithmes sont sélectionnés pour l'apprentissage lors de la configuration de l'expérimentation. Vous ne pouvez pas désélectionner des caractéristiques ou des algorithmes. De plus, l'optimisation de modèle intelligente est toujours utilisée pour effectuer l'apprentissage des modèles — l'optimisation manuelle n'est pas supportée.
Il n'est pas possible d'effectuer l'apprentissage d'une deuxième version et des versions ultérieures d'une expérimentation.

Types de modèle

Non disponible pour les modèles de série temporelle.

Types de prédiction

Non disponible pour les prédictions en temps réel ou basées sur des connecteurs.

Gestion des modèles ML

Vous ne pouvez pas remplacer un modèle déployé existant depuis le chat.
Vous ne pouvez pas déployer plusieurs modèles issus de différentes versions d'expérimentation depuis le chat.
Il n'est pas possible d'accéder aux analyses intégrées (opérations sur les modèles et suivi des dérives) pour le déploiement.

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 – faites-le-nous savoir.

Laissez vos commentaires ici