Introduzindo o aprendizado de máquina automatizado

Automatize o aprendizado de máquina para sua equipe de análise com o Qlik Predict. Com a interface simples e sem código, você pode criar facilmente experimentos de aprendizado de máquina para gerar modelos e fazer previsões.

O que é aprendizado de máquina

O aprendizado de máquina é um ramo da inteligência artificial e da ciência de dados focado no reconhecimento de padrões em dados históricos para prever resultados futuros. Os algoritmos são treinados nos dados para construir um modelo preditivo sem serem explicitamente programados para isso. Um modelo de aprendizado de máquina pode ajudar você a responder a perguntas como:

• Um cliente de academia cancelará sua inscrição?

• Qual é o valor do tempo de vida esperado para um determinado cliente?

Leia mais sobre os conceitos básicos em Noções básicas sobre o aprendizado de máquina. Você também aprenderá sobre o framework estruturado para definir questões de aprendizado de máquina e preparar conjuntos de dados.

O que você pode fazer com aprendizado de máquina automatizado

Crie experimentos automatizados de aprendizado de máquina no Qlik Sense. No centro de atividades do Análises, você pode colaborar no experimento com outros usuários e carregar facilmente os dados do Catálogo para treinar o modelo.

Integre sua análise preditiva com aplicativos Qlik Sense para compartilhar suas descobertas. Explore mais com visualizações e cenários hipotéticos interativos para entender como a alteração de diferentes parâmetros pode afetar o resultado desejado.

Você pode fazer previsões para conjuntos de dados armazenados no Catálogo ou fazer previsões operacionais em tempo real usando as APIs do Qlik Sense.

Como funcionam os experimentos

Um experimento treina algoritmos de aprendizado de máquina em um conjunto de dados específico com um alvo específico. O treinamento gera modelos de aprendizado de máquina, que você pode usar para fazer previsões.

A maior parte do processo é automatizada no aprendizado de máquina automatizado. Quando você cria um experimento e carrega um conjunto de dados, o conjunto de dados é analisado automaticamente e os dados são pré-processados para prepará-los para o aprendizado de máquina. Estatísticas e outras informações sobre cada coluna são exibidas para ajudá-lo a selecionar um alvo. Quando você inicia o treinamento, vários algoritmos começam a procurar padrões nos dados. Para obter mais informações sobre como criar e treinar experimentos, consulte Trabalhando com experimentos.

Quando o treinamento é concluído, as pontuações e classificações permitem que você avalie os modelos de aprendizado de máquina gerados. Ao alterar os parâmetros e iterar o treinamento, você pode gerar várias versões. Escolha o modelo de melhor desempenho para seu conjunto de dados e implemente-o para começar a fazer previsões. Para obter mais informações, consulte Trabalhando com implementações de ML.

Como mostra a imagem a seguir, um experimento pode ter várias versões, cada uma usando um ou mais algoritmos. O modelo com o algoritmo de melhor desempenho pode ser implementado para fazer previsões. Isso significa que um experimento pode resultar em várias implementações de ML.

Limitações do Qlik Predict

O Qlik Predict é um recurso adicional pago. Algumas funcionalidades limitadas estão incluídas em assinaturas aplicáveis. Os recursos e a capacidade específicos dependem do seu nível de assinatura.

• O Qlik Predict tem um limite de taxa de API de 300 solicitações por minuto.

• Número máximo de colunas no conjunto de dados: 500

  Isso se aplica aos conjuntos de dados usados para treinamento de experimentos e geração de previsões. O limite é o número de colunas usadas como recursos em uma versão experimental. Mais colunas podem estar no conjunto de dados, e os limites são calculados quando as colunas são incluídas no conjunto de dados.