Przeskocz do zawartości głównej

Azure ML

NA TEJ STRONIE

Azure ML

Azure ML to platforma uczenia maszynowego do automatyzacji, zapewniania i przyspieszania analiz predykcyjnych, która pomaga specjalistom od danych i analitykom w tworzeniu i wdrażaniu dokładnych modeli predykcyjnych.

Aby się połączyć z Azure ML, musisz utworzyć model lub mieć do niego dostęp i wdrożyć go w punkcie końcowym na platformie AWS. Ten punkt końcowy musi być publicznie dostępny dla Qlik Cloud.

https://azure.microsoft.com/en-us/services/machine-learning/.

Ograniczenia

  • Azure ML stosuje limity i przydziały:

    https://docs.microsoft.com/en-us/azure/machine-learning/how-to-manage-quotas.

  • Przydziały Azure dotyczące wdrożonych modeli i żądań wpływają ograniczająco na wydajność ładowania Qlik Sense i reakcji wykresu podczas wywoływania punktów końcowych Azure ML.

  • Łącznik Azure ML ma ograniczenie 200 tysięcy wierszy na żądanie. Są one wysyłane do usługi punktu końcowego w partiach po 2 tysiące wierszy. 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 przy użyciu pliku QVD i wysyłaniu do punktu końcowego prognoz tylko nowych wierszy. Poprawi to wydajność ponownego ładowania aplikacji Qlik Sense i zmniejszy obciążenie punktu końcowego Azure ML.

  • Podczas używania połączeń Azure ML w wyrażeniu wykresu ważne jest 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.