# Praca z optymalizacją modelu

Modele można skonfigurować tak, aby były uczone przy użyciu dostępnych funkcji optymalizacji lub bez nich.

## Inteligentna optymalizacja modeli

Qlik Predict wykorzystuje domyślnie inteligentną optymalizację modeli do automatycznego doskonalenia modeli przez iteracje w zakresie wyboru cech i stosowanie zaawansowanych transformacji. Jeśli potrzebujesz większej kontroli nad procesem uczenia, możesz wyłączyć tę funkcję dla poszczególnych wersji eksperymentu.

Więcej informacji zawiera temat [Inteligentna optymalizacja modelu](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/intelligent-model-optimization.htm).

## Optymalizacja hiperparametrów

Dopracuj swoje modele, korzystając z zaawansowanych funkcji uczenia maszynowego.

Więcej informacji zawiera temat [Optymalizacja hiperparametrów](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/hyperparameter-optimization.htm).

## Tworzenie modeli uwzględniających czas

W przypadku modeli klasyfikacji i regresji, włącz szkolenie z uwzględnieniem czasu, jeśli dane do uczenia zależą od konkretnych informacji o dacie lub godzinie.

Więcej informacji zawiera temat [Tworzenie modeli uwzględniających czas](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-aware-models.htm).

## Dowiedz się więcej

* [Konfigurowanie eksperymentów](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)