Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Uczenie maszynowe z Qlik AutoML

Zautomatyzowane uczenie maszynowe znajduje wzorce w danych i używa ich do tworzenia predykcji dotyczących przyszłych danych. Eksperymenty uczenia maszynowego w Analityka Qlik Cloud umożliwiają współpracę z innymi użytkownikami oraz integrację analityki predykcyjnej w aplikacjach Qlik Sense. Oprócz tworzenia predykcji można też przeprowadzić szczegółową analizę kluczowych cech, które wpływają na przewidywany wynik.

Załaduj dane historyczne z katalogu, rozpocznij zautomatyzowany proces uczenia maszynowego, a następnie wybierz model uczenia maszynowego najlepiej dopasowany do Twojego zastosowania. Wdrażaj modele, aby dokonywać predykcji skutków problemów biznesowych. Badaj zmienne, które wpływają na przewidywany wynik, i dokładnie zrozum swoje dane.

Funkcja Qlik AutoML jest dostępna dla klientów używających następujących produktów subskrypcyjnych:

  • Qlik Cloud Analytics Standard, Qlik Cloud Analytics Premium i Enterprise

  • Qlik Talend Cloud Standard, Qlik Talend Cloud Premium i Qlik Talend Cloud Enterprise.

  • Qlik Sense Enterprise SaaS

  • Dodatek Qlik Sense Enterprise SaaS do wersji zarządzanej przez klienta

Uwaga dotycząca Qlik Cloud Government

Qlik Cloud Government nie obsługuje Qlik AutoML.

InformacjaTa funkcjonalność jest niedostępna w Qlik Sense Business ani Qlik Cloud Analytics Standard. Jest on również niedostępny w Qlik Anonymous Access.

Podstawy uczenia maszynowego

Przed utworzeniem eksperymentu należy zdefiniować pytanie dotyczące uczenia maszynowego i przygotować zestaw danych. Dowiedz się więcej tutaj.

Tworzenie eksperymentów

Zapoznaj się z omówieniem zautomatyzowanego procesu uczenia maszynowego i zacznij tworzyć eksperymenty.

Interpretacja wydajności modelu

Dowiedz się więcej o wskaźnikach dostępnych do oceny modeli predykcyjnych.

Ulepszanie modeli

Jak możesz ulepszyć swój model predykcyjny? Dowiedz się więcej tutaj.

Praca z wdrożeniami uczenia maszynowego

Dowiedz się więcej o wdrażaniu modeli, dokonywaniu predykcji, korzystaniu z interfejsu API itp.

Przykład — uczenie modeli z automatycznym uczeniem maszynowym

Dowiedz się, jak AutoML upraszcza doskonalenie modeli dzięki inteligentnym funkcjom optymalizacji.

Samouczek — Generowanie i wizualizacja danych predykcyjnych

W tym samouczku pokazano, jak utworzyć i nauczyć eksperyment, wdrożyć model i wygenerować predykcje oraz zwizualizować dane predykcji w aplikacji Qlik Sense.

Filmy o Qlik AutoML

Obejrzyj nasze krótkie filmy, aby rozpocząć pracę z uczeniem maszynowym.

Dowiedz się więcej

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać, co możemy poprawić!