Azure ML 분석 소스

Azure ML은 예측 분석을 자동화, 보장 및 가속화하기 위한 기계 학습 플랫폼이며, 이를 통해 데이터 과학자와 분석가가 정확한 예측 모델을 구축 및 배포할 수 있습니다.

다음 Azure ML 서비스가 지원됩니다.

• 자동화된 ML

• 설계자

Azure ML에 연결하려면 모델을 만들었거나 액세스할 수 있어야 하며 Azure ML 플랫폼의 종료 지점에 배포해야 합니다. 이 종료 지점은 Qlik Cloud에서 공개적으로 액세스할 수 있어야 합니다.

Azure Machine Learning

제한 사항

• Azure ML은 제한 및 할당량을 사용합니다.

  Azure Machine Learning으로 리소스 할당량 관리 및 늘리기

• 배포된 모델 및 요청의 Azure 할당량은 Azure ML 종료 지점을 호출할 때 Qlik Sense 다시 로드 및 차트 응답성의 성능에 영향을 미치고 이를 제한합니다.

• Azure ML 커넥터는 요청당 200,000행으로 제한됩니다. 이들은 2,000행의 배치로 종료 지점 서비스에 전송됩니다. 더 많은 행을 처리해야 하는 시나리오에서는 데이터 로드 스크립트 내에서 Loop를 사용하여 더 많은 행을 배치로 처리합니다.

• 응용 프로그램이 정기적으로 다시 로드되는 시나리오에서는 QVD 파일을 사용하여 예측을 캐시하고 새 행만 예측 종료 지점으로 보내는 것이 가장 좋습니다. 이렇게 하면 Qlik Sense 응용 프로그램 다시 로드의 성능이 향상되고 Azure ML 종료 지점의 로드가 줄어듭니다.

• 차트 표현식에서 Azure ML을 사용할 때 모델이 올바른 문자열/숫자 형식으로 처리해야 하므로 필드의 데이터 유형을 제공하는 것이 중요합니다. 차트 표현식에서 서버 측 확장의 한계는 데이터 유형이 로드 스크립트에 있는 것처럼 자동으로 감지되지 않는다는 것입니다.

• 상대 연결 이름을 사용 중이고 앱을 공유 공간에서 다른 공유 공간으로 이동하기로 결정하거나 앱을 공유 공간에서 개인 공간으로 이동하는 경우 분석 연결이 새 공간 위치를 반영하도록 업데이트되는 데 시간이 걸립니다.