# Sorgente di analisi di Azure ML

Azure ML è una piattaforma di machine learning per l'automazione, la verifica e l'accelerazione di analisi predittive, destinata ad aiutare scienziati e analisti dei dati a creare e distribuire modelli predittivi accurati.

Sono supportati i seguenti servizi Azure ML:

* ML automatizzato

* Progettazione

Per connettersi a Azure ML, è necessario aver creato, oppure avere accesso, a un modello e averlo distribuito a un endpoint sulla piattaforma Azure ML. Questo endpoint deve essere accessibile pubblicamente per Qlik Cloud.

[Azure Machine Learning](https://azure.microsoft.com/en-us/services/machine-learning/)

## Abilitazione degli endpoint di ML in Qlik Cloud

Per utilizzare questo connettore, è necessario abilitare gli endpoint di machine learning nel centro attività Amministrazione. L'interruttore è posizionato nella sezione Controllo funzione delle Impostazioni.

Per ulteriori informazioni, vedere [Abilitazione delle connessioni di analisi per gli endpoint di machine learning](https://help.qlik.com/it-IT/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/load-data-from-advanced-analytic-connections.htm#Enabling).

## Limitazioni

* Azure ML usa limiti e quote:

  [Gestisce e aumenta le quote per le risorse con Azure Machine Learning](https://docs.microsoft.com/en-us/azure/machine-learning/how-to-manage-quotas)

* Le quote Azure per i modelli distribuiti e le richieste avranno un impatto e limiteranno le prestazioni per il ricaricamento di Qlik Sense e nella reattività dei grafici al momento di richiamare gli endpoint Azure ML.

* Il connettore Azure ML è limitato a 200.000 righe per richiesta. Tali righe vengono inviate al servizio endpoint in batch da 2.000 righe. Negli scenari in cui è necessario elaborare più righe, utilizzare un Ciclo all'interno dello script di caricamento dei dati per elaborare più righe in batch.

* In uno scenario in cui un'applicazione viene ricaricata regolarmente, si consiglia di memorizzare nella cache le predizioni usando un file QVD e inviare solo le nuove righe all'endpoint predittivo. Ciò migliorerà le prestazioni di ricaricamento dell'applicazione Qlik Sense e ridurrà il carico sull'endpoint Azure ML.

* Al momento di utilizzare Azure ML in un'espressione del grafico, è importante fornire i tipi di dati dei campi, dato che il modello necessita di elaborarli nel formato stringa/numerico corretto. Un limite nelle estensioni lato server all'interno delle espressioni del grafico consiste nel fatto che i tipi di dati non vengono rilevati automaticamente, dato che si trovano nello script di caricamento.

* Se si sta utilizzando un nome di connessione relativo, e se si decide di spostare la propria applicazione da uno spazio condiviso a un altro spazio condiviso, o se si sposta l'applicazione da uno spazio condiviso al proprio spazio privato, allora ci vorrà del tempo affinché la connessione analitica venga aggiornata per riflettere la nuova posizione dello spazio.

* Non è possibile creare e gestire connessioni a questo connettore in Gestione dati all'interno di un'applicazione di analisi.