Praca z uczeniem maszynowym w Qlik Answers
Możesz pracować z Qlik Predict automatycznym uczeniem maszynowym, wykorzystując technologię opartą na sztucznej inteligencji Qlik Answers.
W agentowym Qlik Answers doświadczeniu możesz tworzyć i uruchamiać przepływy pracy uczenia maszynowego w języku naturalnym. Możesz eksplorować zestawy danych, konfigurować i trenować eksperymenty oraz uruchamiać predykcje z poziomu tego samego środowiska czatu.
Praca z Predict w Qlik Answers
Czynności wstępne
Wymagania wstępne:
-
Twoja dzierżawa ma włączone wnioskowanie międzyregionalne — to znaczy, że dzierżawa musi być włączona dla agentowego Qlik Answers doświadczenia.
-
Twoja dzierżawa i subskrypcja mają pojemność dla Qlik Answers.
-
Masz dostęp do wymaganych zestawów danych i Qlik Predict zasobów.
Otwieranie Qlik Predict w Qlik Answers
Wykonaj następujące czynności:
-
Kliknij Otwórz Answers, aby otworzyć Qlik Answers.
-
W menu rozwijanym, wybierz Predict.
Otwieranie Predict
Kompleksowe przepływy pracy
Użyj następujących przepływów pracy podczas pracy z Predict.
Krok 1: Eksploracja zestawu danych i wnioski
Wykorzystaj statystyki zestawu danych, aby zrozumieć jakość danych i pól kandydujących przed uczeniem. Poproś o spostrzeżenia i docelowe rekomendacje.
Nie musisz też znać dokładnej nazwy zestawu danych, którego chcesz użyć — możesz poprosić o listę dostępnych zestawów danych.
| Działanie | Przykładowe pytania: | Notatki |
|---|---|---|
| Wybieranie zestawu danych |
|
- |
| Informacje o zestawie danych |
|
Alternatywnie, możesz najpierw otworzyć zestaw danych w Qlik Cloud, a następnie zadawać pytania, takie jak:
|
| Rekomendacja miejsca docelowego |
|
Przydatne jako pytania uzupełniające po wybraniu zestawu danych i eksploracji szczegółowych informacji. |
Krok 2: Uczenie i monitorowanie eksperymentu
Opisz swój cel i pozwól agentowi skonfigurować i uruchomić eksperyment. Typy eksperymentów regresji i klasyfikacji są obsługiwane. Po wybraniu zestawu danych i celu, zostaniesz poproszony o rozpoczęcie uczenia.
Jeśli wcześniej uruchomiono już przepływ pracy uczenia maszynowego, można poprosić Predict o monitorowanie istniejących eksperymentów.
| Działanie | Przykładowe pytania: | Notatki |
|---|---|---|
| Uczenie eksperymentu (z już wybranym zestawem danych) |
|
Przydatne jako pytania uzupełniające po wybraniu zestawu danych do uczenia. |
| Uczenie eksperymentu (nie wybrano zestawu danych) |
|
Te pytania mogą pomóc Ci od razu zacząć bez ręcznego wyszukiwania zestawów danych według nazwy. |
| Monitorowanie eksperymentów |
|
- |
Krok 3: Interpretacja modelu i rekomendacje
Po zakończeniu uczenia możesz poprosić o interpretację zachowania modelu w języku naturalnym i rekomendacje na podstawie wyników modelu.
| Działanie | Przykładowe pytania: | Notatki |
|---|---|---|
| Rekomendacje modeli |
|
Aby uzyskać najlepsze wyniki, musisz mieć eksperyment otwarty w przeglądarce lub odwołać się do nazwy eksperymentu w monicie. |
| Wskaźniki modelu i analizy |
|
Aby uzyskać najlepsze wyniki, musisz mieć eksperyment otwarty w przeglądarce lub odwołać się do nazwy eksperymentu w monicie. |
Podczas analizowania modeli na czacie, możesz również kliknąć 
Wyświetl źródło aby rozwinąć dodatkowe szczegóły, w tym wykresy rozbicia ważności cech oraz wnioski w języku naturalnym.
Używanie Wyświetl źródło do analizowania modeli z osadzonymi wykresami
Krok 4: Wdrożenie, aktywacja i prognozy
Po szkoleniu, możesz wdrożyć model, tworząc wdrożenie uczenia maszynowego. Po tym, jak poprosisz o wdrożenie modelu, zostaniesz poproszony o potwierdzenie wdrożenia.
Można również uruchamiać predykcje zbiorcze przy użyciu wdrożonych modeli. System wyszukuje zgodne zestawy danych do zastosowania i wyświetla je do wyboru. Możesz również użyć poleceń języka naturalnego, aby wybrać konkretny zestaw danych do zastosowania.
Wdrożone modele są aktywowane automatycznie w miarę tworzenia predykcji, w zależności od dostępnej pojemności dla subskrypcji.
| Działanie | Przykładowe pytania: | Notatki |
|---|---|---|
| Wdrożenie i monitorowanie modelu |
|
Użyteczne jako pytania uzupełniające bezpośrednio po analizie modelu. Aby uzyskać najlepsze wyniki, musisz mieć eksperyment otwarty w przeglądarce lub odwołać się do nazwy eksperymentu w monicie. |
| Predykcje—rozpocznij żądanie |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
| Prognozy—wybieranie zestawu danych do zastosowania |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
| Predykcje—monitorowanie statusu |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
| Prognozy—przeglądaj wyniki predykcji |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
Najlepsze praktyki dotyczące zadawania pytań
W celu uzyskania najlepszych wyników podczas pracy z Qlik Predict w Qlik Answers, obserwować następujące ogólne wytyczne:
-
Jeśli nie wiesz, od czego zacząć, zapytaj Predict co potrafi. Qlik Answers może przedstawić listę obsługiwanych funkcji.
-
Rozpocznij nową konwersację przy zmianie tematu lub jeśli nie otrzymujesz potrzebnej odpowiedzi.
-
Jeśli nie otrzymujesz wymaganej odpowiedzi, spróbuj podać więcej szczegółów i sprecyzuj, co chcesz zrobić. Na przykład, odwoływanie się do dokładnych nazw zbiorów danych i innych zasobów może lepiej pomóc Qlik Answers je znaleźć podczas rozpoczynania szkolenia lub uruchamiania przewidywań.
-
Przeformułuj swoje pytanie, jeśli za pierwszym razem nie zwróci potrzebnej odpowiedzi.
Więcej informacji zawiera temat Najlepsze praktyki czatowania z Qlik Answers.
UPRAWNIENIA
Potrzebujesz zarówno Qlik Answers oraz Qlik Predict uprawnień, aby ukończyć kompleksowe przepływy pracy uczenia maszynowego.
Konkretnie, potrzebne są następujące pozycje:
-
Uprawnienie użytkownika profesjonalnego (dotyczy tylko subskrypcji opartych na użytkownikach)
-
Wymagane uprawnienie Agentowa AI > Analiza danych ustawione na Dozwolone. Przyznaje je administrator dzierżawy.
-
Wymagane Qlik Predict uprawnienia do pracy z eksperymentami i wdrożeniami języka maszynowego, przypisane przez administratora dzierżawy. Zob.:
-
Dostęp do przestrzeni, gdzie znajdują się zbiory danych, eksperymenty i wdrożenia. Zob.:
Ograniczenia
Zestawy danych
Aktualizowanie i usuwanie zestawów danych
Nie możesz przesyłać ani usuwać zestawów danych z czatu.
Zmiana zestawów danych
Następujące czynności nie są możliwe na czacie:
-
Zmiana zestawów danych do uczenia po uruchomieniu wersji eksperymentu.
-
Uruchamianie wielu prognoz z różnymi zestawami danych do zastosowania w obrębie tego samego czatu.
Jako obejście, gdy musisz trenować eksperymenty lub uruchamiać predykcje z innym zestawem danych, najpierw rozpocznij nowy czat. Jeśli trenujesz eksperymenty, będzie to również wymagało utworzenia nowego eksperymentu w nowym czacie.
Więcej informacji na temat rozpoczynania nowych czatów zawiera temat Czatowanie z Qlik Answers.
Duże zestawy danych
Czat nie obsługuje zestawów danych, które przekraczają którykolwiek z następujących limitów dla Qlik Cloud dzierżawy:
-
Maksymalny rozmiar zestawu danych (zestawy danych treningowych)
-
Maksymalna liczba komórek zestawu danych (zestawy danych treningowych)
-
Maksymalna liczba uwzględnionych kolumn (zestawy danych do trenowania i zastosowania)
Cechy eksperymentu
-
Wykrywanie stronniczości nie jest obsługiwane.
-
Nie można analizować ani pobierać raportów z uczenia modeli.
-
Nie jest możliwe uzyskanie dostępu do wbudowanych narzędzi analitycznych (karty Porównaj i Analizuj) dla eksperymentu.
-
Wszystkie cechy i algorytmy są wybierane do trenowania podczas konfigurowania eksperymentu. Nie można usunąć wyboru funkcji ani algorytmów. Ponadto, inteligentna optymalizacja modelu jest zawsze używana do trenowania modeli — ręczna optymalizacja nie jest obsługiwana.
-
Nie można trenować drugiej i kolejnych wersji eksperymentu.
Typy modelu
Niedostępne dla modeli szeregów czasowych.
Typy prognoz
Niedostępne dla predykcji w czasie rzeczywistym lub opartych na łączniku.
Zarządzanie modelem uczenia maszynowego
-
Nie można zastąpić istniejącego wdrożonego modelu z czatu.
-
Nie można wdrożyć wielu modeli z różnych wersji eksperymentów z czatu.
-
Nie można uzyskać dostępu do wbudowanej analityki (operacji modelu i monitorowania dryfu) dla wdrożenia.