# Lavorare con gli esperimenti

Caricare i dati storici in un esperimento di machine learning automatizzato e addestrare un modello per analizzare e prevedere un problema di business.

È possibile creare e modificare esperimenti in spazi personali o condivisi.

## Flusso di lavoro

Prima di creare un esperimento di machine learning automatizzato in Qlik Cloud Analytics, è necessario avere una domanda di machine learning ben definita e un set di dati di addestramento adeguato disponibile nel Catalogo. Per ulteriori informazioni, vedere [Definizione delle domande di machine learning](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework.htm) e [Preparazione del dataset per il training](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-preparation.htm).

I seguenti passaggi descrivono un flusso di lavoro dell'esperimento.

1. Creare l'esperimento

   Creare un nuovo esperimento in Qlik Cloud. Aggiungerlo a uno spazio condiviso se si desidera lavorare in modo collaborativo.

   [Creazione di esperimenti](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-experiments.htm)

2. Configurare l'esperimento

   Selezionare un target su cui effettuare le previsioni e le funzionalità per supportare la previsione.

   [Configurazione degli esperimenti](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)

3. Avviare l'addestramento

   Avviare l'addestramento della prima versione dell'esperimento.

   [Addestramento degli esperimenti](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm)

4. Rivedere i modelli consigliati

   Rivedere l'andamento dell'addestramento del modello e valutare i modelli che sono stati consigliati. Utilizzare gli strumenti integrati per analizzare i riepiloghi dell'addestramento e le analisi integrate, che offrono informazioni a livello di esperimento, versione e modello.

   [Revisione dei modelli](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/reviewing-experiments.htm)

   Se è necessario un ulteriore perfezionamento, è possibile configurare le versioni successive dell'esperimento. Regolare i parametri come le funzionalità e gli algoritmi e riaddestrare le nuove versioni dell'esperimento fino a ottenere un buon modello.

   [Affinamento dei modelli](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

5. Distribuire il modello

   Quando si dispone di un buon modello, è il momento di distribuirlo e iniziare a effettuare previsioni.

   [Utilizzo delle distribuzioni di ML](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

## Requisiti e autorizzazioni

Per informazioni sui ruoli dello spazio richiesti per lavorare con gli esperimenti ML negli spazi condivisi, vedere:

* [Permessi dello spazio condiviso per gli utenti con sottoscrizione Professional e basata sulla capacità](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Autorizzazioni per gli amministratori di spazi condivisi](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

Se si è un amministratore, vedere [Chi può lavorare con Qlik Predict](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm) per una panoramica completa delle autorizzazioni utente richieste per lavorare con gli esperimenti ML.

## Visualizzazione della derivazione e dell'analisi dell'impatto

Utilizzando gli strumenti Derivazione e Analisi dell'impatto in Qlik Cloud, è possibile analizzare:

* Le origini di un esperimento ML e i dati utilizzati per addestrare ciascun modello.

  [Analisi della derivazione per i contenuti di machine learning](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/lineage.htm#MLLineage)

* Come l'esperimento ML e i suoi output vengono utilizzati nei contenuti a valle in Qlik Cloud.

  [Analisi impatto per i contenuti di machine learning](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/impact-analysis2.htm#MLImpact)