# Używanie wielu modeli we wdrożeniu uczenia maszynowego

Do wdrożenia uczenia maszynowego można wdrożyć wiele modeli, w tym modele z różnych eksperymentów. Po [wdrożeniu modeli z eksperymentów](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/deploying-models.htm) użyj panelu Modele do wdrożenia we wdrożeniu uczenia maszynowego, aby skonfigurować dynamiczne przepływy predykcji. Podczas generowania predykcji używany model jest określany jako alias. Ten system aliasów umożliwia zamianę modeli z czasem bez konieczności tworzenia nowego wdrożenia uczenia maszynowego, a także ułatwia testowanie porównawcze wydajności modeli na danych produkcyjnych.

Aliasy modeli są używane zarówno w predykcji zbiorczej, jak i predykcji w czasie rzeczywistym. Więcej informacji zawiera temat:

* [Konfigurowanie aliasów modeli dla predykcji wsadowych](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/alias-predictions-batch.htm)

* [Praca z aliasami modeli w predykcjach w czasie rzeczywistym](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-real-time-predictions.htm#AliasPredictions)

Panel Modele do wdrożenia we wdrożeniu uczenia maszynowego

Panel Modele do wdrożenia we wdrożeniu uczenia maszynowego

Panel Modele do wdrożeniaModele do wdrożenia we wdrożeniu uczenia maszynowego ![Panel „Modele do wdrożenia” w interfejsie wdrożenia uczenia maszynowego Qlik Predict](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-automl_available-models.png)

## Co to są aliasy modeli?

Każdy model dodany do wdrożenia uczenia maszynowego jest określany jako alias modelu. Alias jest dynamicznym kontenerem we wdrożeniu uczenia maszynowego, który poleca Qlik Predict uruchamianie predykcji z modelem we wdrożeniu. W ramach aliasu można zmieniać modele, aby umożliwić łatwą wymianę nieaktualnych modeli. Do każdego aliasu modelu można dodać jeden model. Aliasy umożliwiają łatwą zmianę modeli w ramach przepływu generowania predykcji bez konieczności edytowania konfiguracji predykcji, tworzenia nowego wdrożenia uczenia maszynowego lub aktualizowania wywołań API.

Każde wdrożenie uczenia maszynowego ma domyślny alias. Domyślnego aliasu nie można usunąć ani zmienić jego nazwy, ale można łatwo zmienić model używany do generowania predykcji za jego pomocą. Jeśli nie określisz aliasu do użycia w predykcjach z wdrożenia uczenia maszynowego, zostanie użyty alias domyślny.

Do wdrożenia uczenia maszynowego można dodać do 10 aliasów, w tym alias domyślny.

### Zastosowania aliasów modeli

* Zastępowanie z czasem nieaktualnych modeli ponownie nauczonymi modelami bez konieczności aktualizacji konfiguracji predykcji lub wywołań API.

* Testowanie i porównywanie wydajności różnych modeli na tych samych danych produkcyjnych bez konieczności tworzenia wielu wdrożeń uczenia maszynowego.

* Wykorzystanie pojedynczego wdrożenia do generowania predykcji z różnych modeli w zależności od konkretnych warunków.

## Uwagi dotyczące wdrażania modeli do wdrożeń uczenia maszynowego

Podczas dodawania modeli do wdrożenia uczenia maszynowego modele mogą pochodzić z różnych eksperymentów uczenia maszynowego, które mogą znajdować się w różnych przestrzeniach w Analityka Qlik Cloud. Rozważ poniższe wskazówki:

* Aby można było dodać model do wdrożenia uczenia maszynowego, model musi mieć ten sam typ eksperymentu (klasyfikacja binarna, klasyfikacja wieloklasowa, regresja lub szereg czasowy) co model w domyślnym aliasie.

* Jeśli schemat modelu i dane do zastosowania nie są kompatybilne, nie można uruchomić pomyślnie predykcji (wsadowych, w czasie rzeczywistym, bezpośrednio przy użyciu API lub opartych na łączniku).

* Istnieją wymagania dotyczące uprawnień dla użytkowników dodających modele do wdrożeń, a także pracujących z aliasami modeli (na przykład dodawanie, zmiana nazwy i usuwanie aliasów). Więcej informacji zawiera temat [Uprawnienia](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/ml-deployment-available-models.htm#Permissions).

## Praca z aliasami

Praca z aliasami odbywa się w panelu Modele do wdrożenia we wdrożeniu uczenia maszynowego. Panel Modele do wdrożenia cechuje się intuicyjnym interfejsem do przeciągania i upuszczania w celu przypisania modelu.

Po zakończeniu wprowadzania zmian w panelu Modele do wdrożenia kliknij przycisk Zapisz zmiany w prawym górnym rogu interfejsu.

Dodawanie nowych aliasów jest opcjonalne. Jeśli nie ma potrzeby pracy z wieloma aliasami, można pracować tylko z aliasem domyślnym i przełączać modele przy użyciu tylko tego aliasu.

### Pierwsze kroki

Zanim będzie można przypisać modele do aliasów, należy wdrożyć wszystkie wymagane modele do wdrożenia uczenia maszynowego. Proces ten jest wykonywany w eksperymencie uczenia maszynowego, w którym każdy model został nauczony. Więcej informacji zawiera temat [Wdrażanie modeli](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/deploying-models.htm).

### Dodawanie aliasu

Najpierw utwórz pusty alias.

Wykonaj następujące czynności:

1. We wdrożeniu uczenia maszynowego otwórz panel Modele do wdrożenia.

2. W sekcji Dostępne modele kliknij pozycję Dodaj alias.

3. Kliknij przycisk Zapisz zmiany w prawym górnym rogu interfejsu.

Zamiast tego można kliknąć the Menu z trzema kropkami icon obok modelu w sekcji Wszystkie modele we wdrożeniu i wybrać Dodaj do nowego aliasu.

### Przypisywanie modelu do aliasu (w tym aliasu domyślnego)

Po dodaniu aliasu należy przypisać do niego model. Za pomocą tego przepływu pracy można również przypisać inny model do domyślnego aliasu.

Wykonaj następujące czynności:

1. W sekcji Wszystkie modele we wdrożeniu znajdź model, który chcesz przypisać do aliasu.

2. W obszarze Nazwa modelu przeciągnij model na alias.

   Zamiast tego można kliknąć the Menu z trzema kropkami icon obok modelu i wybrać Dodaj do <nazwa aliasu> lub Zamień na alias domyślny, aby zastąpić model przypisany do aliasu domyślnego.

3. Kliknij przycisk Zapisz zmiany w prawym górnym rogu interfejsu.

### Zmiana nazwy i usuwanie aliasów

Można zmienić nazwę dowolnego aliasu lub go usunąć z wyjątkiem aliasu domyślnego.

Wykonaj następujące czynności:

1. We wdrożeniu uczenia maszynowego otwórz panel Modele do wdrożenia.

2. Kliknij the Menu z trzema kropkami icon obok aliasu modelu i wybierz Zmień nazwę lub Usuń.

3. Kliknij przycisk Zapisz zmiany w prawym górnym rogu interfejsu.

## Usuwanie modeli z wdrożeń uczenia maszynowego

Z czasem może zajść potrzeba usunięcia modeli z wdrożenia.

Wykonaj następujące czynności:

1. We wdrożeniu uczenia maszynowego otwórz panel Modele do wdrożenia.

2. W sekcji Wszystkie modele we wdrożeniu kliknij the Menu z trzema kropkami icon obok modelu i wybierz Usuń z wdrożenia. Aby można było usunąć model z wdrożenia, należy usunąć przypisanie modelu ze wszystkich aliasów we wdrożeniu.

3. Kliknij przycisk Zapisz zmiany w prawym górnym rogu interfejsu.

## Uprawnienia

Praca z wdrożonymi modelami w ramach wdrożeń języka maszynowego wymaga przypisania określonych uprawnień. Więcej informacji o wymaganych rolach w przestrzeni zawiera temat:

* [Uprawnienia do przestrzeni udostępnionej dla użytkowników z licencją Professional i subskrypcją opartą na pojemności](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Uprawnienia w przestrzeni udostępnionej dla użytkowników, którzy mają Uprawnienie Analityk](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-analyzer.htm)

* [Uprawnienia do przestrzeni udostępnionych dla administratorów](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

* [Uprawnienia do przestrzeni zarządzanej dla użytkowników z licencją Professional i subskrypcją opartą na pojemności](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-prof-full.htm)

* [Uprawnienia w przestrzeni zarządzanej dla użytkowników, którzy mają Uprawnienie Analityk](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-analyzer.htm)

* [Uprawnienia do przestrzeni zarządzanych dla administratorów](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-admin.htm)

Jeśli jesteś administratorem, musisz przypisać określone uprawnienia, role zabezpieczeń i uprawnienia, aby umożliwić użytkownikom pracę z wdrożonymi modelami we wdrożeniach uczenia maszynowego. Zobacz:

* [Wdrożenie modelu i tworzenie wdrożeń ML](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ModelDeployment)

* [Zarządzanie wdrożeniami ML](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ManagementMLDeploy)