자동화된 기계 학습 소개

Qlik AutoML을 사용하여 분석 팀을 위한 기계 학습을 자동화하십시오. 코드가 없는 간단한 인터페이스를 사용하면 기계 학습 실험을 쉽게 만들어 모델을 만들고 예측할 수 있습니다.

기계 학습이란

기계 학습은 기록 데이터의 패턴을 인식하여 미래 결과를 예측하는 데 중점을 둔 인공 지능 및 데이터 과학의 한 분야입니다. 알고리즘은 명시적으로 프로그래밍하지 않고 예측 모델을 구축하기 위해 데이터에 대해 교육됩니다. 기계 학습 모델은 다음과 같은 질문에 답하는 데 도움이 될 수 있습니다.

• 체육관 고객이 구성원 자격을 취소합니까?

• 주어진 고객에 대해 예상되는 수명 가치는 어떻게 됩니까?

기계 학습 이해에서 기본 개념에 대해 자세히 읽어보십시오. 또한 기계 학습 질문을 정의하고 데이터 집합을 준비하기 위한 구조화된 프레임워크에 대해서도 알아봅니다.

자동화된 기계 학습으로 무엇을 할 수 있습니까?

Qlik Sense에서 자동화된 기계 학습 실험을 만듭니다. 분석 활동 센터에서 다른 사용자와 함께 실험에 공동으로 참여하고 카탈로그에서 데이터를 쉽게 로드하여 모델을 교육할 수 있습니다.

예측 분석을 Qlik Sense 앱과 통합하여 결과를 공유하십시오. 다양한 매개 변수를 변경하면 원하는 결과에 어떤 영향을 미칠 수 있는지 이해하기 위해 시각화 및 대화형 가상 시나리오를 통해 더 자세히 탐색합니다.

카탈로그에 저장된 데이터 집합에 대한 예측을 수행하거나 Qlik Sense API를 사용하여 실시간으로 운영 예측을 수행할 수 있습니다.

실험 작동 방식

실험은 특정 대상을 가진 특정 데이터 집합에 대한 기계 학습 알고리즘을 교육합니다. 교육은 예측에 사용할 수 있는 기계 학습 모델을 생성합니다.

대부분의 프로세스는 자동화된 기계 학습에서 자동화됩니다. 실험을 만들고 데이터 집합을 로드하면 데이터 집합이 자동으로 분석되고 데이터가 기계 학습에 사용할 수 있도록 사전 처리됩니다. 대상을 선택하는 데 도움이 되도록 각 열에 대한 통계 및 기타 정보가 표시됩니다. 교육을 시작하면 여러 알고리즘이 데이터에서 패턴 검색을 시작합니다. 실험 만들기 및 교육에 대한 자세한 내용은 실험 작업을 참조하십시오.

교육이 완료되면 점수와 순위를 통해 생성된 기계 학습 모델을 평가할 수 있습니다. 매개 변수를 변경하고 교육을 반복하면 여러 버전을 생성할 수 있습니다. 데이터 집합에 가장 적합한 모델을 선택하고 배포하여 예측을 시작하십시오. 자세한 내용은 ML 배포 작업을 참조하십시오.

다음 이미지에서 볼 수 있듯이 실험에는 각각 하나 이상의 알고리즘을 사용하는 여러 버전이 있을 수 있습니다. 가장 성능이 좋은 알고리즘이 있는 모델을 배포하여 예측할 수 있습니다. 즉, 하나의 실험으로 여러 ML 배포가 발생할 수 있습니다.

AutoML 제한 사항

AutoML은 추가 요금이 있는 기능입니다. 해당 구독에는 일부 제한된 기능이 포함되어 있습니다. 특정 기능 및 용량은 구독 계층에 따라 다릅니다.

• Qlik AutoML의 API 속도 제한은 분당 요청 300개입니다.

• 데이터 집합의 최대 열 수: 500

  이는 실험 교육 및 예측 생성에 사용되는 데이터 집합에 적용됩니다. 제한은 실험 버전에서 기능으로 사용되는 열의 수입니다. 데이터 집합에 더 많은 열이 있을 수 있으며 열이 데이터 집합에 포함될 때 제한이 계산됩니다.