Źródło do analityki Advanced Analytics
Istnieje wiele platform uczenia maszynowego, na których deweloperzy mogą budować, szkolić i wdrażać modele uczenia maszynowego w chmurze.
Aby połączyć się z typowym modelem, należy utworzyć własny model i wdrożyć go w punkcie końcowym na wybranej platformie sztucznej inteligencji/uczenia maszynowego. Ten punkt końcowy musi być publicznie dostępny dla Qlik Cloud.
Ograniczenia
-
Łącznik Advanced Analytics ma ograniczenie 200 tysięcy wierszy na żądanie. Domyślnie są one wysyłane do usługi punktu końcowego w partiach po 2 tysiące wierszy, ale można to skonfigurować podczas tworzenia połączenia. Jeżeli wymagane jest przetworzenie większej liczby wierszy, użyj instrukcji Loop w skrypcie ładowania danych, aby przetworzyć więcej wierszy w partiach.
-
Jeżeli aplikacja jest regularnie ładowana, najlepsza praktyka polega na buforowaniu prognoz uczenia maszynowego przy użyciu pliku QVD i wysyłaniu do punktu końcowego tylko nowych wierszy. Poprawi to wydajność ładowania aplikacji Qlik Sense i zmniejszy obciążenie punktu końcowego modelu.
-
Zasoby dostępne w usługach, w których wdrożono model, wpłyną ograniczająco na wydajność ładowania Qlik Sense i responsywność wykresu.
-
Podczas używania połączeń Advanced Analytics w wyrażeniu wykresu zaleca się podanie typów danych pól, ponieważ model musi je przetworzyć w poprawnym formacie ciągu lub liczbowym. Ograniczenie rozszerzeń po stronie serwera w wyrażeniach wykresu polega na tym, że typy danych nie są automatycznie wykrywane tak jak w skrypcie ładowania.
-
Jeśli używasz względnej nazwy połączenia i zdecydujesz się przenieść aplikację z przestrzeni udostępnionej do innej przestrzeni udostępnionej lub jeśli przeniesiesz aplikację z przestrzeni udostępnionej do przestrzeni prywatnej, aktualizacja połączenia analitycznego w celu odzwierciedlenia nowej lokalizacji przestrzeni zajmie trochę czasu.