Uczenie maszynowe z Qlik Predict
Zautomatyzowane uczenie maszynowe znajduje wzorce w danych i używa ich do tworzenia prognoz dotyczących przyszłych danych. Eksperymenty uczenia maszynowego w Qlik Cloud Analytics umożliwiają współpracę z innymi użytkownikami oraz integrację analityki predykcyjnej w aplikacjach Qlik Sense. W celu utworzenia 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. Poznaj zmienne, które mają wpływ na przewidywany wynik, i uzyskaj dogłębną wiedzę na temat swoich danych.
Zamiast tego deweloperzy mogą zintegrować możliwości Qlik Predict z własnymi przepływami pracy za pomocą Machine Learning API. Aby zapoznać się z samouczkiem ułatwiającym rozpoczęcie pracy, zobacz Samouczek automatycznego uczenia maszynowego.
Qlik Cloud Government nie obsługuje Qlik Predict.
Pierwsze kroki z uczeniem maszynowym
Na czym polega uczenie maszynowe
Poznaj podstawowe koncepcje uczenia maszynowego i dowiedz się, dlaczego warto z niego korzystać.
Definiowanie pytań uczenia maszynowego
Dowiedz się, jak zdefiniować swoje pytanie dotyczące uczenia maszynowego i postępować zgodnie z ustrukturyzowanymi ramami.
Przygotowanie zestawu danych do uczenia
Dowiedz się, jak przygotować swój zestaw danych do wykorzystania w uczeniu modeli uczenia maszynowego.
Praca z eksperymentami
Praca z eksperymentami uczenia maszynowego
Zapoznaj się z omówieniem zautomatyzowanego procesu uczenia maszynowego i zacznij tworzyć eksperymenty.
Praca z eksperymentami szeregów czasowych
Dowiedz się, jak uczyć modele w celu prognozowania specyficznego dla czasu.
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
Wdrażanie modeli
Gdy opracujesz model, który jest gotowy do przewidywań na nowych danych, wdróż go do wdrożenia uczenia maszynowego.
Praca z wdrożeniami uczenia maszynowego
Dowiedz się, jak wdrażać modele, zarządzać wdrożeniami uczenia maszynowego i aktywować wdrożone modele do prognozowania.
Praca z predykcjami
Praca z predykcjami
Dowiedz się, jak używać wdrożenia uczenia maszynowego do tworzenia prognoz za pomocą interfejsu lub API.
Tworzenie predykcji zbiorczych
Użyj interfejsu wdrożenia uczenia maszynowego do generowania zestawów danych z danymi predykcyjnymi.
Generowanie zestawów danych SHAP podczas predykcji
Dowiedz się, jak używać wartości SHAP, aby zrozumieć kluczowe czynniki leżące u podstaw danych podczas tworzenia prognoz.
Tworzenie predykcji w czasie rzeczywistym
Dowiedz się, jak uzyskać dostęp do API uczenia maszynowego i używać go do generowania predykcji w czasie rzeczywistym dla jednego lub większej liczby wierszy danych.
Generowanie predykcji przy użyciu łącznika analitycznego Qlik Predict
Za pomocą łącznika analitycznego Qlik Predict można komunikować się ze swoim wdrożeniem i tworzyć prognozy bezpośrednio w aplikacjach i skryptach.
Praktyczne samouczki i przewodniki
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.
Samouczek — Praca z prognozowaniem wielowymiarowych szeregów czasowych
Ten samouczek przeprowadzi Cię przez proces szkolenia, wdrażania i generowania predykcji za pomocą modeli, które mogą wykonywać prognozy specyficzne dla czasu.
Filmy o Qlik Predict
Obejrzyj nasze krótkie filmy, aby rozpocząć pracę z uczeniem maszynowym.