Uczenie maszynowe z Qlik Predict
Zautomatyzowane uczenie maszynowe znajduje wzorce w danych i wykorzystuje je do tworzenia prognoz na podstawie przyszłych danych. Eksperymenty uczenia maszynowego w Qlik Cloud Analytics pozwalają na współpracę z innymi użytkownikami i integrację analiz predykcyjnych w aplikacjach Qlik Sense. Oprócz tworzenia prognoz można przeprowadzić dogłębną analizę kluczowych cech, które wpływają na przewidywany wynik.
Załaduj dane historyczne z katalogu, rozpocznij zautomatyzowany proces uczenia maszynowego, a następnie wybierz najlepiej dopasowany model uczenia maszynowego dla swojego przypadku użycia. Wdróż modele, aby tworzyć prognozy dotyczące wyników problemów biznesowych. Zbadaj zmienne, które wpływają na przewidywany wynik, i uzyskaj dogłębne zrozumienie swoich danych.
Alternatywnie programiści mogą zintegrować możliwości Qlik Predict z własnymi przepływami pracy za pomocą Machine Learning API. Samouczek ułatwiający rozpoczęcie pracy można znaleźć w sekcji Samouczek zautomatyzowanego uczenia maszynowego.
Qlik Cloud Government nie obsługuje Qlik Predict.
Wprowadzenie do uczenia maszynowego
Zrozumienie uczenia maszynowego
Poznaj podstawowe pojęcia związane z uczeniem maszynowym i dowiedz się, dlaczego warto z niego korzystać.
Definiowanie pytań dotyczących uczenia maszynowego
Dowiedz się, jak zdefiniować pytanie dotyczące uczenia maszynowego i postępować zgodnie z ustrukturyzowanymi ramami.
Przygotowywanie zestawu danych treningowych
Dowiedz się, jak przygotować zestaw danych do wykorzystania w trenowaniu modeli uczenia maszynowego.
Ograniczenia i pojemności Qlik Predict
Dowiedz się o zabezpieczeniach i limitach, które mają zastosowanie do Qlik Predict i platformy Qlik Cloud.
Praca z eksperymentami
Praca z eksperymentami ML
Uzyskaj przegląd zautomatyzowanego procesu uczenia maszynowego i zacznij tworzyć eksperymenty.
Praca z eksperymentami szeregów czasowych
Dowiedz się, jak trenować modele do wykonywania prognozowania w określonym czasie.
Interpretacja wydajności modelu
Dowiedz się o metrykach modelu, które są dostępne do oceniania modeli predykcyjnych.
Dopracowywanie modeli
Jak możesz ulepszyć swój model predykcyjny? Dowiedz się więcej tutaj.
Praca z wdrożeniami ML
Wdrażanie modeli
Gdy utworzysz model, który jest gotowy do tworzenia prognoz na nowych danych, wdróż go we wdrożeniu ML.
Praca z wdrożeniami ML
Dowiedz się o wdrażaniu modeli, zarządzaniu wdrożeniami ML i aktywowaniu wdrożonych modeli do tworzenia prognoz.
Praca z prognozami
Praca z prognozami
Dowiedz się, jak używać wdrożenia ML do tworzenia prognoz za pomocą interfejsu lub API.
Tworzenie prognoz wsadowych
Użyj interfejsu wdrożenia ML, aby wygenerować zestawy danych z danymi predykcyjnymi.
Generowanie zestawów danych SHAP podczas tworzenia prognoz
Zrozum, jak używać wartości SHAP, aby zrozumieć kluczowe czynniki stojące za Twoimi danymi podczas tworzenia prognoz.
Tworzenie prognoz w czasie rzeczywistym
Dowiedz się, jak uzyskać dostęp i korzystać z API uczenia maszynowego do generowania prognoz w czasie rzeczywistym dla jednego lub kilku wierszy danych.
Prognozowanie za pomocą łącznika analitycznego Qlik Predict
Użyj łącznika analitycznego Qlik Predict, aby komunikować się ze swoim wdrożeniem i tworzyć prognozy bezpośrednio w aplikacjach i skryptach.
Praktyczne samouczki i przewodniki
Samouczek — Generowanie i wizualizacja danych predykcyjnych
Ten samouczek pokazuje, jak utworzyć i wytrenować eksperyment, wdrożyć model i wygenerować prognozy oraz zwizualizować dane predykcyjne w aplikacji Qlik Sense.
Samouczek — Prognozowanie sprzedaży za pomocą wielowymiarowego prognozowania szeregów czasowych
Ten samouczek przeprowadzi Cię przez proces trenowania, wdrażania i prognozowania za pomocą modeli, które mogą wykonywać prognozy w określonym czasie.
Przykład — analiza co-jeśli z użyciem łącznika analitycznego Qlik Predict
W tym przykładzie przeanalizuj rzeczywisty scenariusz „co by było, gdyby” od początku do końca.
Filmy o Qlik Predict
Obejrzyj kilka naszych krótkich filmów, aby rozpocząć pracę z uczeniem maszynowym.