실험 작업
기록 데이터를 자동화된 기계 학습 실험에 로드하고 모델을 학습하여 비즈니스 문제를 분석하고 예측합니다.
개인 또는 공유 공간에서 실험을 만들고 편집할 수 있습니다.
워크플로
Qlik Cloud Analytics에서 자동화된 기계 학습 실험을 만들기 전에 잘 정의된 기계 학습 질문과 카탈로그에서 사용할 수 있는 적절한 교육 데이터 집합이 있어야 합니다. 자세한 내용은 기계 학습 질문 정의 및 교육을 위해 데이터 집합 준비하기를 참조하십시오.
다음 단계에서는 실험 워크플로를 설명합니다.
- 실험 만들기
Qlik Sense에서 새 실험을 만듭니다. 공동으로 작업하려면 공유 공간에 추가합니다.
- 실험 구성
예측을 수행할 대상과 예측을 지원하는 기능을 선택합니다.
- 교육 시작
첫 번째 실험 버전의 교육을 시작합니다.
- 권장 모델 검토
모델 교육이 어떻게 진행되었는지 검토하고 사용자에게 권장된 모델을 평가합니다. 포함된 도구를 사용하여 실험, 버전 및 모델 수준에서 통찰력을 제공하는 교육 요약 및 포함된 분석을 분석합니다.
더욱 세부적인 조정이 필요한 경우 실험의 후속 버전을 구성할 수 있습니다. 기능 및 알고리즘과 같은 매개 변수를 조정하고 좋은 모델을 얻을 때까지 새 버전의 실험을 재교육합니다.
- 모델 배포
좋은 모델이 있을 때 이를 배포하고 예측을 시작합니다.
요구 사항 및 권한
공유 공간에서 ML 실험 작업에 필요한 공간 역할에 대한 정보는 다음을 참조하십시오:
관리자인 경우, ML 실험 작업에 필요한 사용자 권한에 대한 포괄적인 개요를 보려면 Qlik 프로젝트을 사용할 수 있는 사용자을(를) 참조하십시오.
계보 및 영향 분석 보기
Qlik Cloud의 계보 및 영향 분석 도구를 사용하면 다음을 분석할 수 있습니다.
-
ML 실험의 원본과 각 모델을 교육하는 데 사용되는 데이터.
-
ML 실험과 그 결과가 Qlik Cloud 전반의 다운스트림 콘텐츠에 어떻게 사용되고 있는지 알아봅니다.