Werken met ML-implementaties
Nadat u een model hebt getraind en verfijnd, kunt u het implementeren om voorspellingen te genereren.
ML-implementaties kunnen in persoonlijke, gedeelde en beheerde ruimten worden gemaakt.
Workflow
De volgende stappen zijn een voorbeeld van hoe u met ML-implementaties en voorspellingen werkt.
- Uw model implementeren
Implementeer het model dat u wilt gebruiken om voorspellingen te maken.
- Uw model laten goedkeuren
Voordat u kunt beginnen met het doen van voorspellingen met uw ML‑implementaties, moet het bronmodel voor voorspellingen worden geactiveerd. Modelgoedkeuring kan worden uitgevoerd door gebruikers en beheerders met specifieke machtigingen.
- Voorspellingen maken
Maak handmatige of geplande voorspellingen voor gegevensverzamelingen of gebruik de voorspellings-API.
- Voorspellende inzichten visualiseren
Laad de gegenereerde voorspellingsgegevens in een app en maak visualisaties.
- Gegevens met wat-als-scenario's verkennen
Integreer de voorspellings-API in een app om realtime voorspellingen te krijgen. Hiermee kunt u wat-als-scenario's uitproberen door de kenmerkwaarden te veranderen en voorspelde uitkomsten voor de nieuw waarden te krijgen. De record wordt doorgegeven aan de ML-implementatie via de API en er wordt in realtime een respons ontvangen. Bijvoorbeeld: wat zou er gebeuren met het risico op klantverloop als we het abonnementstype zouden veranderen of de basiskosten zouden verhogen?
- Actie nemen
Analyseer de voorspellende inzichten en scenario's om te kijken welke acties u moet nemen. Qlik toepassingsautomatisering helpt u de acties te automatiseren en biedt specifieke sjablonen voor machine learning use cases. Zie Qlik toepassingsautomatisering (alleen in het Engels) voor meer informatie over automatisering.
Vereisten en machtigingen
Deze sectie toont de gebruikersvereisten voor het werken met ML-implementaties en de voorspellingen die u ermee maakt.
ML-implementaties
U hebt het volgende nodig om met ML-implementaties te werken:
-
Professional- of Full User-recht
-
ML-implementaties bekijken en maken: De beveiligingsrol Automl Deployment Contributor of Automl Experiment Contributor
-
ML-implementaties bewerken en verwijderen: De beveiligingsrol Automl Deployment Contributor
Vereiste machtigingen in de ruimte waarin de ML-implementatie zich bevindt.
Ga voor meer informatie naar:
Voorspellingen
Om voorspellingsconfiguraties te maken, bewerken en verwijderen hebt u het volgende nodig:
-
Professional- of Full User-recht
-
De beveiligingsrol Automl Deployment Contributor
-
Vereiste machtigingen in de ruimte waarin de ML-implementatie zich bevindt.
Voorspellingen kunnen uitgevoerd worden als batchvoorspellingen (op basis van een voorspellingsconfiguratie) of realtime voorspellingen. U kunt ook de Qlik AutoML-connector gebruiken om voorspellingen uit te voeren.
Om voorspellingen uit te voeren met één van deze methoden, hebt u het volgende nodig:
-
De beveiligingsrol Automl Deployment Contributor
-
Vereiste rol in de ruimte waarin de ML-implementatie zich bevindt.
-
Gedeelde ruimten: gebruikers met Professional- of Full User-recht hebben de rol Eigenaar, Kan beheren, Kan bewerken of Kan gegevens gebruiken nodig in de ruimte. Gebruikers met Analyzer-rechten hebben de rol Eigenaar of Kan gegevens gebruiken nodig in de ruimte.
-
Beheerde ruimten: gebruikers met Professional- of Full User-recht hebben de rol Eigenaar, Kan beheren of Kan gegevens gebruiken nodig in de ruimte. Gebruikers met Analyzer-rechten hebben de rol Eigenaar of Kan gegevens gebruiken nodig in de ruimte.
-
-
In het geval van geplande voorspellingen die zijn geconfigureerd met de AutoML-gebruikersinterface gelden er ook vereisten voor de eigenaar van de voorspellingsconfiguratie. Zie: Eigenaar voorspellingsconfiguratie
Voorspellingen die zijn gegenereerd vanuit de Qlik AutoML-gebruikersinterface worden als gegevensverzamelingen gemaakt. Daarom gelden dezelfde vereisten voor het werken met gegevensbronnen in Qlik Cloud tevens voor het werken met uitvoer van deze voorspelling (zoals het gebruik in een Qlik Sense-app). U moet beschikken over de rol Private Analytics Content Creator om gegevensverzamelingen in uw persoonlijke ruimte te maken.
Ga voor meer informatie naar:
Modelgoedkeuring
Voor het activeren en deactiveren van het bronmodel voor een ML-implementatie hebt u specifieke machtigingen nodig. Deze machtigingen verschillen afhankelijk van het feit of u deze acties uitvoert als gebruiker of als beheerder. Ga voor meer informatie naar: