Introduzindo o aprendizado de máquina automatizado
Automatize o aprendizado de máquina para sua equipe de análise com o Qlik AutoML. 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 Análises do Analytics, 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.
Acesso do usuário ao AutoML
Para obter detalhes completos sobre como os usuários podem acessar o Qlik AutoML, consulte Quem pode trabalhar com o Qlik AutoML.
Limitações e capacidades controladas por licença do AutoML
O AutoML 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.
Limitações
-
O Qlik AutoML 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.
Capacidades controladas por licença
Sua licença de cliente determina a capacidade de várias métricas que regem como você pode usar o Qlik AutoML. Suas métricas de uso são medidas como uma combinação do uso dos serviços do AutoML por meio da interface do usuário do AutoML, da análise de determinante chave em um aplicativo Qlik Sense e das APIs públicas.
Há vários níveis do AutoML disponíveis, dependendo das necessidades da sua empresa. Existem os dois tipos de níveis a seguir:
-
Camada incluída: esta é a funcionalidade básica do AutoML com recursos limitados. Ele está incluído em uma assinatura do Qlik Sense Enterprise SaaS, Qlik Cloud Analytics Standard, Qlik Cloud Analytics Premium, Qlik Cloud Enterprise ou Qlik Talend Cloud (Standard, Premium ou Enterprise). O nível incluído é adequado para fins de teste e para avaliar como o Qlik AutoML pode ajudar a atender às suas necessidades comerciais. Ele não é adequado para casos de uso de produção. Para recursos mais abrangentes, considere um nível pago do Qlik AutoML.
-
Camadas pagas: há vários pacotes que fornecem as capacidades abrangentes do AutoML necessárias para casos de uso de produção. Eles estão disponíveis como suplementos pagos adicionais para uma assinatura do Qlik Cloud.
Os seguintes recursos estão disponíveis somente nos níveis pagos do Qlik AutoML:
-
Otimização de hiperparâmetros
-
Previsões agendadas
-
Previsões em tempo real
-
Conector do Qlik AutoML
Para obter mais informações sobre o que está incluído em cada tipo de nível do AutoML, consulte a tabela abaixo.
| Métrica | Descrição | Disponível no nível incluído | Disponível em níveis pagos |
|---|---|---|---|
| Modelos implementados | O nível incluído em uma assinatura do Qlik Cloud define o número máximo de modelos implementados que podem ser criados em todos os locatários criados dentro da licença. Esse limite de consumo é definido por modelo, o que significa que várias implementações de ML criadas a partir de um único modelo contam como um único modelo implementado. | Sim | Sim |
| Treinamentos simultâneos | Este é o número de modelos que um locatário pode treinar em paralelo. No nível incluído do Qlik AutoML, cada modelo será executado um após o outro. Os níveis pagos incluem capacidade que permite ao seu locatário treinar vários modelos simultaneamente. | Não | Sim |
| Aumento do tamanho do conjunto de dados | Os níveis pagos fornecem maiores tamanhos de conjuntos de dados para modelos de treinamento. | Não | Sim |
| Previsões manuais em lote | Preveja todas as linhas em um conjunto de dados manualmente. | Sim | Sim |
| Previsões em lote agendadas | Configure suas previsões para serem executadas de acordo com uma programação, em vez de iniciá-las manualmente. As previsões programadas só estão disponíveis com níveis pagos do Qlik AutoML. Para obter mais informações, consulte Agendando previsões. | Não | Sim |
| Previsões em tempo real | Use essa API para usar suas implementações de ML para executar previsões em tempo real. Para obter mais informações, consulte Criando previsões em tempo real. | Não | Sim |
| Conector do Qlik AutoML no Qlik Cloud Analytics | Com esse conector de análises, você pode carregar dados da plataforma integrada do Qlik AutoML integrada no Qlik Cloud. Para obter mais informações, consulte Fonte de análises do Qlik AutoML. | Não | Sim |
| Otimização de hiperparâmetros | A otimização de hiperparâmetros permite que você ajuste seus modelos de AutoML para maior controle sobre o processo de aprendizado. Para obter mais informações, consulte Otimização de hiperparâmetros. | Não | Sim |
| Monitoramento de modelos implementados | Use ferramentas de monitoramento integradas para avaliar os modelos implementados em implementações de ML. Você pode monitorar o desvio de recursos ao longo do tempo, bem como detalhes sobre o uso do modelo para previsões. Para obter mais informações, consulte Monitorando o desempenho e o uso de modelos implementados. | Não | Sim |
Para obter informações detalhadas sobre as métricas de sua licença, consulte a descrição do produto Assinaturas do Qlik Cloud®. Os administradores podem visualizar informações de licença e monitorar o número de modelos implementados no centro de atividades do Administração. Para obter mais informações, consulte Monitorando o consumo de recursos.