Utilizzo dell'apprendimento automatico in Qlik Answers
Puoi lavorare con Qlik Predict l'apprendimento automatico automatizzato utilizzando la tecnologia basata sull'intelligenza artificiale di Qlik Answers.
Nell'esperienza agentica Qlik Answers, puoi creare ed eseguire flussi di lavoro di machine learning in linguaggio naturale. È possibile esplorare i set di dati, configurare e addestrare esperimenti ed eseguire previsioni dalla stessa esperienza di chat.
Utilizzo di Predict in Qlik Answers
Prima di iniziare
Prerequisiti:
-
Il tuo tenant ha l'inferenza tra regioni attivata, ovvero il tenant deve essere abilitato per l'esperienza agentica Qlik Answers .
-
Il tuo tenant e la tua sottoscrizione hanno capacità per Qlik Answers.
-
Hai accesso ai dataset richiesti e alle Qlik Predict risorse.
Apertura Qlik Predict in Qlik Answers
Procedere come indicato di seguito:
-
Fare clic su Apri Answers per aprire Qlik Answers.
-
Nel menu a discesa, selezionare Predict.
Apertura di Predict
Flussi di lavoro end-to-end
Utilizzare i seguenti flussi di lavoro quando si lavora con Predict.
Fase 1: Esplorazione del set di dati e informazioni strategiche
Utilizza le informazioni strategiche sul set di dati per comprendere la qualità dei dati e i campi candidati prima dell'addestramento. Chiedi approfondimenti e raccomandazioni mirate.
Non è inoltre necessario conoscere il nome esatto del set di dati che si desidera utilizzare—è possibile richiedere un elenco dei set di dati disponibili.
| Azione | Domande di esempio: | Note |
|---|---|---|
| Selezione di set di dati |
|
- |
| Informazioni strategiche del dataset |
|
In alternativa, è possibile prima aprire il set di dati in Qlik Cloud, e quindi porre domande come:
|
| Raccomandazione destinazione |
|
Utili come domande di follow-up dopo aver selezionato un set di dati ed esplorato le informazioni strategiche. |
Fase 2: training degli esperimenti e monitoraggio
Descrivi il tuo obiettivo e lascia che l'agente configuri ed esegua un esperimento. Sono supportati i tipi di esperimento di regressione e classificazione. Dopo aver selezionato un set di dati e un target, viene richiesto di avviare l'addestramento.
Se hai già avviato un flusso di lavoro di machine learning in precedenza, puoi chiedere a Predict di monitorare gli esperimenti esistenti.
| Azione | Domande di esempio: | Note |
|---|---|---|
| Training dell'esperimento (con set di dati già selezionato) |
|
Utile come domande successive dopo aver selezionato un training set da usare. |
| Addestramento dell'esperimento (nessun set di dati selezionato) |
|
Queste domande possono aiutarti a iniziare direttamente senza cercare manualmente i set di dati per nome. |
| Monitoraggio esperimento |
|
- |
Fase 3: Interpretazione del modello e raccomandazioni
Dopo il completamento dell'addestramento, è possibile richiedere un'interpretazione in linguaggio semplice del comportamento del modello e raccomandazioni basate sull'output del modello.
| Azione | Domande di esempio: | Note |
|---|---|---|
| Raccomandazioni del modello |
|
Per ottenere i migliori risultati, è necessario avere l'esperimento aperto nel browser o fare riferimento al nome dell'esperimento nel prompt. |
| Metriche modello e approfondimenti |
|
Per ottenere i migliori risultati, è necessario avere l'esperimento aperto nel browser o fare riferimento al nome dell'esperimento nel prompt. |
Quando analizzi i modelli nella chat, puoi anche fare clic su 
Visualizza origine per espandere ulteriori dettagli, inclusi grafici di scomposizione dell'importanza delle funzionalità e informazioni in linguaggio naturale.
Utilizzo di Visualizza sorgente per analizzare modelli con grafici incorporati
Fase 4: Distribuzione, attivazione e previsioni
Dopo l'addestramento, puoi distribuire un modello, creando una distribuzione ML. Dopo aver richiesto di distribuire un modello, ti viene chiesto di confermare la distribuzione.
È anche possibile eseguire previsioni in blocco utilizzando i modelli che hai distribuito. Il sistema cerca set di dati di applicazione compatibili e li elenca tra cui scegliere. È anche possibile utilizzare prompt in linguaggio naturale per selezionare uno specifico set di dati di applicazione.
I modelli distribuiti vengono attivati automaticamente man mano che vengono create le previsioni, a seconda della capacità disponibile per la sottoscrizione.
| Azione | Domande di esempio: | Note |
|---|---|---|
| Distribuzione e monitoraggio del modello |
|
Utile come domande di approfondimento direttamente dopo l'analisi del modello. Per ottenere i migliori risultati, è necessario avere l'esperimento aperto nel browser o fare riferimento al nome dell'esperimento nel prompt. |
| Previsioni—avvia la richiesta |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—selezione di un set di dati di applicazione |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—monitoraggio stato |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—esplora l'output delle previsioni |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
Migliori pratiche per porre domande
Per risultati ottimali quando si lavora con Qlik Predict in Qlik Answers, segui queste linee guida generali:
-
Se non sei sicuro di come iniziare, chiedi a Predict cosa può fare. Qlik Answers può fornire un elenco delle funzionalità supportate.
-
Iniziare una nuova conversazione quando si cambia argomento, o se non si ottiene la risposta desiderata.
-
Se non si ottiene la risposta desiderata, provare a fornire maggiori dettagli ed essere specifici su ciò che si intende fare. Ad esempio, fare riferimento ai nomi esatti di set di dati e altre risorse può aiutare meglio Qlik Answers a trovarli quando si avvia l'addestramento o si eseguono previsioni.
-
Riformula la tua domanda se all'inizio non restituisce la risposta di cui hai bisogno.
Per ulteriori informazioni, vedere Procedure consigliate per chattare con Qlik Answers.
Autorizzazioni
Sono necessarie sia Qlik Answers che Qlik Predict autorizzazioni per completare i flussi di lavoro di machine learning end-to-end.
In particolare, è necessario quanto segue:
-
Diritto utente Professional (si applica solo alle sottoscrizioni basate sull'utente)
-
L'autorizzazione richiesta IA agentica > Analisi dei dati impostata su Consentito. Questa autorizzazione è assegnata da un amministratore tenant.
-
Le Qlik Predict autorizzazioni richieste per lavorare con esperimenti e distribuzioni ML, assegnate all'utente da un amministratore del tenant. Vedere:
-
Accesso agli spazi dove si trovano i set di dati, gli esperimenti e le distribuzioni. Vedere:
Limitazioni
Set di dati
Aggiornamento ed eliminazione di set di dati
Non è possibile caricare o eliminare set di dati dalla chat.
Modifica dei set di dati
Le seguenti non sono possibili in chat:
-
Modifica dei training set dopo l'esecuzione di una versione dell'esperimento.
-
Esecuzione di più previsioni con diversi set di dati di applicazione all'interno della stessa chat.
Come soluzione alternativa, quando è necessario addestrare esperimenti o eseguire previsioni utilizzando un set di dati diverso, avviare prima una nuova chat. Se stai addestrando esperimenti, ciò richiederà anche la creazione di un nuovo esperimento nella nuova chat.
Per maggiori informazioni sull'avvio di nuove chat, vedere Chattare con Qlik Answers.
Grandi set di dati
La chat non supporta set di dati che superano uno qualsiasi dei seguenti limiti per il Qlik Cloud tenant:
-
Dimensione massima del set di dati (set di dati di addestramento)
-
Numero massimo di celle del set di dati (set di dati di training)
-
Numero massimo di colonne incluse (set di dati di addestramento e applicazione)
Funzioni dell'esperimento
-
Il rilevamento delle distorsioni non è supportato.
-
Non è possibile analizzare o effettuare il download dei report di addestramento sui modelli.
-
Non è possibile accedere all'analitica incorporata (schede Confronta e Analizza) per l'esperimento.
-
Tutte le caratteristiche e gli algoritmi vengono selezionati per l'addestramento durante la configurazione dell'esperimento. Non puoi deselezionare funzionalità o algoritmi. Inoltre, l'ottimizzazione intelligente del modello viene sempre utilizzata per addestrare i modelli; l'ottimizzazione manuale non è supportata.
-
Non è possibile addestrare la seconda e le versioni successive di un esperimento.
Tipi di modello
Non disponibile per i modelli di serie temporali.
Tipi di previsione
Non disponibile per previsioni in tempo reale o basate su connettore.
Gestione di modelli ML
-
Non puoi sostituire un modello distribuito esistente dalla chat.
-
Non è possibile distribuire più modelli da diverse versioni di esperimenti dalla chat.
-
Non è possibile accedere alle analisi incorporate (operazioni del modello e monitoraggio del drift) per la distribuzione.