# Praca z uczeniem maszynowym w Qlik Answers

Możesz pracować ze zautomatyzowanym uczeniem maszynowym Qlik Predict, korzystając z opartej na sztucznej inteligencji technologii Qlik Answers achievements.

W środowisku agentowym Qlik Answers możesz tworzyć i uruchamiać przepływy pracy uczenia maszynowego w języku naturalnym. Możesz eksplorować zbiory danych, konfigurować i trenować eksperymenty oraz uruchamiać predykcje z poziomu tego samego środowiska czatu.

To środowisko Qlik Answers jest odrębne od uzyskiwania dostępu do możliwości Qlik Predict za pośrednictwem serwera MCP Qlik w zewnętrznym kliencie LLM. Więcej informacji zawiera temat [Qlik serwer MCP](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-server.htm).

Praca z Predict w Qlik Answers

Praca z Predict w Qlik Answers

Praca z PredictPredict w Qlik AnswersQlik Answers ![Trenowanie eksperymentu ML w środowisku agentowym](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-answers.png)

Govnote-not-inNieobsługiwane w Qlik Cloud Government.

Govnote-not-inNieobsługiwane w Qlik Cloud Government - DoD.

## Czynności wstępne

Wymagania wstępne:

* Twoja dzierżawa ma włączone wnioskowanie międzyregionowe — to znaczy, że dzierżawa musi być włączona dla agentowego środowiska Qlik Answers.

  [Włączanie wnioskowania międzyregionalnego](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/cross-region-data-processing.htm)

* Twoja dzierżawa i subskrypcja mają pojemność dla Qlik Answers i Qlik Predict.

  [Pojemność Qlik Answers](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm#Capacity)

  [Monitorowanie wykorzystania pojemności Qlik Predict dla subskrypcji](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-managing-experiments-deployments.htm#MonitorConsumption)

* Masz dostęp do wymaganych zestawów danych i Qlik Predict zasobów.

  [Uprawnienia](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/predict-agent.htm#Permissions)

## Otwieranie Qlik Predict w Qlik Answers

Wykonaj następujące czynności:

1. Kliknij Otwórz Answers, aby otworzyć Qlik Answers.

2. W menu rozwijanym wybierz Predict.

   Otwieranie Predict

   Otwieranie Predict

   Otwieranie PredictPredict ![Wybieranie agenta predykcyjnego na czacie](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-agent-selector.png)

## Kompleksowe przepływy pracy

Użyj poniższych przepływów pracy podczas pracy z Predict.

### Krok 1: Eksploracja zbioru danych i wnioski

Użyj analiz zestawu danych, aby ocenić jakość danych i pola kandydujące przed trenowaniem. Poproś o spostrzeżenia i rekomendacje dotyczące celów.

Nie musisz również znać dokładnej nazwy zestawu danych, którego chcesz użyć — możesz poprosić o listę dostępnych zestawów danych.

Przykładowe pytania do eksploracji zbioru danych i uzyskiwania wniosków

| Działanie | Przykładowe pytania | Uwagi |
| --- | --- | --- |
| Wybór zbioru danych | <ul> <li> <p> <span>Pokaż mi dostępne zbiory danych do trenowania</span></p> </li> <li> <p><span>Jakich zbiorów danych mogę użyć do trenowania?</span> </p> </li> <li> <p><span>Wyświetl listę zestawów danych</span> </p> </li> </ul> | - |
| Informacje o zestawie danych | <ul> <li> <p><span>czy możesz pokazać mi analizy zestawu danych dla &lt;nazwa zestawu danych&gt;</span> </p> </li> </ul> | Alternatywnie możesz najpierw otworzyć zestaw danych w Qlik Cloud, a następnie zadać pytania, takie jak:<br><br><ul> <li> <p><span>czy możesz pokazać mi spostrzeżenia dotyczące tego zbioru danych?</span> </p> </li> <li> <p><span>Które cechy w tym zbiorze danych mają wysoką kardynalność</span> </p> </li> </ul> |
| Rekomendacja docelowa | <ul> <li> <p><span>Którą kolumnę zalecasz użyć jako docelową</span> </p> </li> <li> <p><span>Jaka jest Twoja rekomendacja dotycząca celu	</span> </p> </li> <li> <p><span>Którą kolumnę powinien przewidywać wytrenowany model</span> </p> </li> </ul> | Przydatne jako pytania uzupełniające po wybraniu zestawu danych i eksplorowaniu szczegółowych informacji. |

### Krok 2: Trenowanie i monitorowanie eksperymentu

Opisz swój cel i pozwól agentowi skonfigurować oraz przeprowadzić eksperyment. Obsługiwane są typy eksperymentów regresji i klasyfikacji. Po wybraniu zbioru danych i celu zostanie wyświetlony monit o rozpoczęcie trenowania.

Jeśli wcześniej rozpoczęto już przepływ pracy uczenia maszynowego, możesz poprosić Predict o monitorowanie istniejących eksperymentów.

Przykładowe pytania dotyczące szkolenia i monitorowania eksperymentów

| Działanie | Przykładowe pytania | Uwagi |
| --- | --- | --- |
| Trenowanie eksperymentu (z już wybranym zbiorem danych) | <ul> <li> <p><span>Chcę przewidzieć &lt;nazwa kolumny&gt;</span> </p> </li> <li> <p><span>Użyj &lt;nazwa kolumny&gt; jako celu</span> </p> </li> </ul> | Przydatne jako pytania uzupełniające po wybraniu zestawu danych szkoleniowych do użycia. |
| Trenowanie eksperymentu (nie wybrano zestawu danych) | <ul> <li> <p><span>Trenuj modele, aby przewidzieć &lt;nazwa kolumny&gt;; użyj &lt;nazwa zestawu danych lub słowo kluczowe&gt;</span> </p> </li> <li> <p><span>Utwórz eksperyment z danymi &lt;nazwa zestawu danych lub słowo kluczowe&gt;</span> </p> </li> </ul> | Te pytania mogą pomóc Ci od razu rozpocząć pracę, bez konieczności ręcznego wyszukiwania zestawów danych według nazwy. |
| Monitorowanie eksperymentów | <ul> <li> <p><span>Wyświetl moje najnowsze eksperymenty i ich status</span> </p> </li> <li><span>Jaki jest status mojego eksperymentu</span> </li> </ul> | - |

### Krok 3: Interpretacja modelu i rekomendacje

Po zakończeniu trenowania możesz poprosić o interpretację zachowania modelu w prostym języku oraz rekomendacje oparte na wynikach modelu.

Przykładowe pytania do analizy modelu

| Działanie | Przykładowe pytania | Uwagi |
| --- | --- | --- |
| Rekomendacje modeli | <ul> <li> <p><span>Jaki jest najlepszy model w tym eksperymencie</span> </p> </li> <li> <p><span>Mam otwarty eksperyment &lt;nazwa eksperymentu&gt;. Jaki jest najlepszy model</span> </p> </li> <li> <p><span>Mam otwarty eksperyment &lt;nazwa eksperymentu&gt;. Podsumuj najlepszą wydajność modelu dla odbiorców biznesowych</span> </p> </li> </ul> | Aby uzyskać najlepsze wyniki, musisz mieć otwarty eksperyment w przeglądarce lub odwołać się do nazwy eksperymentu w prompcie. |
| Wskaźniki i spostrzeżenia dotyczące modelu | <ul> <li> <p><span>Jaki jest najlepszy algorytm modelu w tym eksperymencie</span> </p> </li> <li> <p><span>Mam otwarty eksperyment &lt;nazwa eksperymentu&gt;. Jakie są metryki dla najlepszego modelu</span> </p> </li> <li> <p><span>Poznaj szczegółowe informacje o modelu i ważność cech dla tego eksperymentu</span> </p> </li> <li> <p><span>Mam otwarty eksperyment &lt;nazwa eksperymentu&gt;. Które cechy mają najsilniejszy wpływ na ten model?</span> </p> </li> </ul> | Aby uzyskać najlepsze wyniki, musisz mieć otwarty eksperyment w przeglądarce lub odwołać się do nazwy eksperymentu w prompcie. |

Podczas analizowania modeli w czacie możesz również kliknąć the Wyświetl źródło icon , aby rozwinąć dodatkowe szczegóły, w tym wykresy rozbicia ważności cech oraz wnioski w języku naturalnym.

Używanie opcji Wyświetl źródło do analizy modeli z osadzonymi wykresami

Używanie opcji Wyświetl źródło do analizy modeli z osadzonymi wykresami

Używanie opcji Wyświetl źródłoWyświetl źródło do analizy modeli z osadzonymi wykresami ![Używanie opcji Wyświetl źródło do analizy modeli z osadzonymi wykresami](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-agent_view-source-model-metrics.png)

### Krok 4: Wdrożenie, aktywacja i predykcje

Po wytrenowaniu możesz wdrożyć model, tworząc wdrożenie ML. Gdy poprosisz, aby wdrożyć model, zostanie wyświetlony monit o potwierdzenie wdrożenia.

Możesz także uruchamiać predykcje wsadowe przy użyciu wdrożonych modeli. System wyszukuje zgodne zbiory danych do zastosowania i wyświetla ich listę do wyboru. Możesz także użyć poleceń w języku naturalnym, aby wybrać określony zbiór danych do zastosowania.

Wdrożone modele są aktywowane automatycznie w miarę tworzenia predykcji, w zależności od dostępnej pojemności dla subskrypcji.

Przykładowe pytania dotyczące wdrożenia i predykcji

| Działanie | Przykładowe pytania | Uwagi |
| --- | --- | --- |
| Wdrożenie i monitorowanie modelu | <ul> <li> <p><span>Wdróż najlepszy model dla tego eksperymentu</span> </p> </li> <li> <p><span>Mam otwarty eksperyment &lt;nazwa eksperymentu&gt;. Wyświetl szczegóły wdrożenia</span> </p> </li> <li><span>Sprawdź status wdrożenia dla tego eksperymentu</span> </li> </ul> | Przydatne jako pytania uzupełniające bezpośrednio po analizie modelu.<br><br>Aby uzyskać najlepsze wyniki, musisz mieć otwarty eksperyment w przeglądarce lub odwołać się do nazwy eksperymentu w prompcie. |
| Predykcje — rozpoczęcie żądania | <ul> <li> <p><span>Uruchamiaj predykcje za pomocą tego wdrożenia</span> </p> </li> <li> <p><span>Uruchom predykcje za pomocą wdrożenia &lt;nazwa wdrożenia&gt;</span> </p> </li> </ul> | Aby uzyskać najlepsze wyniki, musisz albo mieć otwarte wdrożenie w przeglądarce, albo odwołać się do nazwy wdrożenia w monicie. |
| Predykcje — wybór zestawu danych do zastosowania | <ul> <li> <p><span>Użyj &lt;nazwa zbioru danych do zastosowania&gt; jako zbioru danych do zastosowania do predykcji z tym wdrożeniem</span> </p> </li> <li> <p><span>Mam otwarte wdrożenie &lt;nazwa wdrożenia&gt;. Uruchom predykcje przy użyciu zbioru danych &lt;nazwa zbioru danych do zastosowania&gt;</span> </p> </li> </ul> | Aby uzyskać najlepsze wyniki, musisz albo mieć otwarte wdrożenie w przeglądarce, albo odwołać się do nazwy wdrożenia w monicie. |
| Prognozy — stan monitorowania | <ul> <li> <p><span>Sprawdź status predykcji wsadowej dla tego wdrożenia</span> </p> </li> </ul> | Aby uzyskać najlepsze wyniki, musisz albo mieć otwarte wdrożenie w przeglądarce, albo odwołać się do nazwy wdrożenia w monicie. |
| Predykcje — eksploruj dane wyjściowe predykcji | <ul> <li> <p><span>Mam otwarte wdrożenie &lt;nazwa wdrożenia&gt;. Przeglądaj bieżące wyniki predykcji</span> </p> </li> <li> <p><span>Pokaż mi moje najnowsze predykcje dla tego wdrożenia</span> </p> </li> </ul> | Aby uzyskać najlepsze wyniki, musisz albo mieć otwarte wdrożenie w przeglądarce, albo odwołać się do nazwy wdrożenia w monicie. |

## Najlepsze praktyki dotyczące zadawania pytań

Aby uzyskać najlepsze rezultaty podczas pracy z Qlik Predict w Qlik Answers, należy obserwować poniższe ogólne wytyczne:

* Jeśli nie masz pewności, jak zacząć, zapytaj Predict, co potrafi. Qlik Answers może przedstawić listę obsługiwanych możliwości.

* Rozpocznij nową konwersację, gdy zmieniasz temat lub jeśli nie otrzymujesz potrzebnej odpowiedzi.

* Jeśli nie otrzymujesz wymaganej odpowiedzi, spróbuj podać więcej szczegółów i precyzyjnie określ, co chcesz zrobić. Na przykład odwoływanie się do dokładnych nazw zestawów danych i innych zasobów może ułatwić Qlik Answers ich odnalezienie podczas rozpoczynania trenowania lub uruchamiania predykcji.

* Przeformułuj pytanie, jeśli za pierwszym razem nie uzyskasz potrzebnej odpowiedzi.

Więcej informacji zawiera temat [Najlepsze praktyki czatowania z Qlik Answers](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/best-practices-assistant-chat.htm).

## Uprawnienia

Potrzebujesz zarówno uprawnień Qlik Answers, jak i Qlik Predict, aby realizować kompleksowe przepływy pracy uczenia maszynowego.

Potrzebne są poniższe pozycje:

* Uprawnienie użytkownika profesjonalnego (dotyczy tylko subskrypcji opartych na użytkownikach)

* Wymagane uprawnienie Agentic AI &gt; Analiza danych ustawione na Dozwolone. To uprawnienie przyznaje administrator dzierżawy.

  [Zarządzanie dostępem użytkowników do Qlik Answers](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm#Access)

* Wymagane uprawnienia Qlik Predict do pracy z eksperymentami i wdrożeniami ML, przypisane Ci przez administratora dzierżawy. Zob.:

  * [Dostęp użytkownika do eksperymentów uczenia maszynowego](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessExperiment)

  * [Dostęp użytkownika do wdrożeń uczenia maszynowego i predykcji](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessDeployment)

* Dostęp do przestrzeni, w których znajdują się zbiory danych, eksperymenty i wdrożenia. Zob.:

  * [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 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)

## Ograniczenia

### Zestawy danych

Aktualizowanie i usuwanie zestawów danych

Nie możesz przesyłać ani usuwać zbiorów danych z poziomu czatu.

Zmiana zestawów danych

Następujące czynności nie są możliwe na czacie:

* Zmiana zestawów danych treningowych po uruchomieniu wersji eksperymentu.

* Uruchamianie wielu predykcji z różnymi zbiorami danych do zastosowania w ramach tego samego czatu.

Jako obejście problemu, gdy musisz trenować eksperymenty lub uruchamiać predykcje przy użyciu innego zestawu danych, najpierw rozpocznij nowy czat. Jeśli trenujesz eksperymenty, będzie to również wymagać utworzenia nowego eksperymentu w nowym czacie.

Aby uzyskać więcej informacji na temat rozpoczynania nowych czatów, zobacz [Rozmowa z Qlik Answers](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/using-assistants.htm#Chatting).

Duże zestawy danych

Czat nie obsługuje zestawów danych, które przekraczają którykolwiek z poniższych limitów dla dzierżawy Qlik Cloud:

* Maksymalny rozmiar zestawu danych (treningowe zestawy danych)

* Maksymalna liczba komórek zestawu danych (zestawy danych treningowych)

* Maksymalna liczba uwzględnionych kolumn (zbiory danych treningowych i aplikacyjnych)

### Funkcje eksperymentu

* Wykrywanie stronniczości nie jest obsługiwane.

* Nie można analizować ani pobierać raportów z trenowania modeli.

* Nie można uzyskać dostępu do wbudowanej analityki (kart Porównaj i Analizuj) dla tego eksperymentu.

* Wszystkie cechy i algorytmy są wybierane do trenowania podczas konfigurowania eksperymentu. Nie można odznaczyć cech ani algorytmów. Ponadto inteligentna optymalizacja modeli jest zawsze wykorzystywana do trenowania modeli — ręczna optymalizacja nie jest obsługiwana.

* Nie można trenować drugiej i kolejnych wersji eksperymentu.

### Typy modeli

Niedostępne dla modeli szeregów czasowych.

### Typy predykcji

Niedostępne dla predykcji w czasie rzeczywistym lub opartych na łącznikach.

### Zarządzanie modelem uczenia maszynowego

* Nie można zastąpić istniejącego wdrożonego modelu z poziomu czatu.

* Nie można wdrożyć wielu modeli z różnych wersji eksperymentu z poziomu czatu.

* Nie można uzyskać dostępu do wbudowanej analityki (operacji na modelach i monitorowania dryfu) dla wdrożenia.

[Odpowiadanie na pytania za pomocą Qlik Answers](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/using-assistants.htm)

[Uczenie maszynowe z Qlik Predict](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/home-automl.htm)

[Praca z eksperymentami](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-experiments.htm)

[Praca z wdrożeniami uczenia maszynowego](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

[Praca z predykcjami uczenia maszynowego](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-predictions.htm)

[Wybieranie kontekstu](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/choose-context.htm)

[Wdrażanie rozwiązania Qlik Answers i administrowanie nim](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm)

[Włączanie wnioskowania międzyregionalnego](https://help.qlik.com/pl-PL/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/cross-region-data-processing.htm)