Navegando na interface de implementação de ML
Ao abrir sua implementação de ML, você pode executar atividades de gerenciamento e monitoramento e usá-la para criar previsões em conjuntos de dados.
Abra uma implementação de ML do catálogo. Há opções de navegação para o seguinte:
Visão geral da implementação
A Visão geral da implementação mostra os recursos usados no treinamento do modelo e os detalhes da implementação.
Visão geral da implementação de ML
Se o modelo padrão na implementação estiver inativo, você será notificado em um banner na parte superior da tela. Se você tiver as permissões corretas, poderá ativar o modelo clicando em Ativar modelo. Para obter mais informações, consulte:
Modelos implementáveis
O painel Modelos implementáveis é onde você pode gerenciar aliases de modelo e configurar quais modelos são usados para previsões.
Para obter mais informações, consulte Usando vários modelos em sua implementação de ML.
Painel Modelos implementáveis no Qlik Predict
![Painel "Modelos implementáveis" na interface de implementação de ML do [[[Undefined variable CommonComponents.AutoML]]]](../../Resources/Images/ui-automl_available-models.png "Clique para ver em tamanho grande")
Previsões em lote
Em Previsões em lote, você pode gerenciar e executar previsões em lote usando a implementação de ML. Clique em Criar previsão para criar uma configuração de previsão, a partir da qual você executa previsões em lote. Você pode ter várias configurações de previsão para uma implementação de ML.
Você pode usar o menu Ações 
na tabela para:
-
Visualizar e editar detalhes de configurações de previsão
-
Executar previsões a partir de configurações existentes
-
Editar e excluir configurações
-
Criar, editar e excluir programações de previsão para uma configuração existente
Previsões em lote com uma visão geral e menu Ações expandido
Se você selecionar Editar configuração de previsão, o painel Configuração de previsão será aberto. Você pode comparar o modelo e aplicar o esquema do conjunto de dados lado a lado à medida que edita a previsão.
Se a implementação contiver um modelo de séries temporais, você também poderá visualizar detalhes importantes sobre o problema de séries temporais definido, como a janela de previsão, o intervalo de tempo e a janela de aplicação.
Previsões em lote com painel lateral para configuração de previsão
Previsões em tempo real
O painel Previsões em tempo real dá acesso ao ponto de extremidade de previsão em tempo real na API de aprendizado de máquina. Se o modelo padrão na implementação de ML estiver ativado para fazer previsões, esse painel estará visível.
Para obter informações sobre como criar previsões em tempo real, consulte Criando previsões em tempo real.
A API de previsões em tempo real foi descontinuada e substituída pelo ponto de extremidade de previsão em tempo real na API de aprendizado de máquina. A funcionalidade em si não está sendo descontinuada. Para previsões futuras em tempo real, use o ponto de extremidade de previsão em tempo real na API de aprendizado de máquina. Para obter ajuda com a migração da API de previsões em tempo real para a API de aprendizado de máquina, consulte o guia de migração no portal do desenvolvedor do Qlik Cloud.
Painel de previsões em tempo real
Monitoramento de operações
Em Monitoramento de operações, você pode monitorar as informações de uso da implementação de ML. Você pode visualizar detalhes sobre como a implementação de ML está sendo usada, como quantos eventos de previsão são bem-sucedidos ou falham e como os eventos de previsão são normalmente acionados.
Para obter mais informações, consulte Monitorando as operações de modelo implementado.
Painel Monitoramento de operações na implementação de ML
Monitoramento de desvio de dados
Em Monitoramento de desvio de dados, você pode monitorar o desvio de dados para a implementação de ML.
Com o monitoramento de desvio de dados, você pode avaliar as alterações na distribuição de recursos no modelo de dados de origem. Quando um desvio significativo for observado, é recomendável que você retreine ou reconfigure seu modelo para considerar os dados mais recentes, o que pode indicar novos padrões em tendências de dados.
Para obter mais informações, consulte Monitorando o desvio de dados em modelos implementados.
Painel Monitoramento de desvio de dados na implementação de ML
