Trabalhando com implementações de ML
Depois de treinar e refinar um modelo, você pode implementá-lo para fazer previsões.
As implementações de ML podem ser criadas em espaços pessoais, compartilhados e gerenciados.
Fluxo de trabalho
As etapas a seguir são um exemplo de como trabalhar com implementações e previsões de ML.
- Implemente seu modelo
Implemente o modelo que deseja usar para fazer previsões.
- Aprovar seu modelo
Antes de poder fazer previsões com a implementação de ML, o modelo de origem precisa ser ativado para fazer previsões. A aprovação do modelo pode ser realizada por usuários e administradores com permissões específicas.
- Fazer previsões
Faça previsões manuais ou programadas em conjuntos de dados ou use a API de previsão.
- Visualize os insights preditivos
Carregue os dados de previsão gerados em um aplicativo e crie visualizações.
- Explore os dados com cenários hipotéticos
Integre a API de previsão em um aplicativo para obter previsões em tempo real. Isso permite que você experimente cenários hipotéticos alterando os valores dos recursos e obtendo resultados previstos para os novos valores. O registro é passado para a implementação de ML via API e uma resposta é recebida em tempo real. Por exemplo, o que aconteceria com o risco de desistência de clientes se mudássemos o tipo de plano ou aumentássemos a tarifa base?
- Tomar uma medida
Analise os insights e cenários preditivos para descobrir quais ações tomar. O Qlik Application Automation ajuda a automatizar as ações e fornece modelos específicos para casos de uso de aprendizado de máquina. Para obter mais informações sobre automações, consulte Qlik Application Automation (somente em inglês).
Requisitos e permissões
Esta seção lista os requisitos do usuário para trabalhar com implementações de ML e as previsões que você faz com elas.
Implementações de ML
Para trabalhar com implementações de ML, você precisa de:
-
Direito de usuário Professional ou Full User
-
Visualizar e criar implementações de ML: Função de segurança Automl Deployment Contributor ou Automl Experiment Contributor
-
Editar e excluir implementações de ML: Função de segurança Automl Deployment Contributor
Função necessária no espaço onde a implementação de ML está localizada.
Para obter mais informações, consulte:
Previsões
Para criar, editar e excluir configurações de previsão, você precisa de:
-
Direito de usuário Professional ou Full User
-
Função de segurança Automl Deployment Contributor
-
Função necessária no espaço onde a implementação de ML está localizada.
As previsões podem ser executadas como previsões em lote (de uma configuração de previsão) ou previsões em tempo real. Você também pode usar o conector do Qlik AutoML para executar previsões.
Para executar previsões usando qualquer um desses métodos, você precisa:
-
Função de segurança Automl Deployment Contributor
-
Função necessária no espaço onde a implementação de ML está localizada:
-
Espaços compartilhados: usuários com o direito Direito de usuário Professional ou Full User precisam da função Proprietário, Pode gerenciar, Pode editar ou Pode consumir no espaço. Usuários com o direito Direito Analyzer precisam da função Proprietário ou Pode consumir dados no espaço.
-
Espaços gerenciados: usuários com o direito Direito de usuário Professional ou Full User precisam da função Proprietário, Pode gerenciar ou Pode consumir dados no espaço. Usuários com o direito Direito Analyzer precisam da função Proprietário ou Pode consumir dados no espaço.
-
-
Para previsões programadas configuradas com a interface do usuário do AutoML, também há requisitos para o proprietário da configuração de previsão. Consulte: Propriedade da configuração de previsão
As previsões geradas na interface do usuário do Qlik AutoML são criadas como conjuntos de dados. Portanto, os mesmos requisitos para trabalhar com fontes de dados no Qlik Cloud aplicam-se ao trabalho com esta saída de previsão (como usá-la em um aplicativo Qlik Sense). Você deve ter a função de Private Analytics Content Creator para criar conjuntos de dados em seu espaço pessoal.
Para obter mais informações, consulte:
Aprovação do modelo
Para ativar e desativar o modelo implementado de origem para uma implementação de ML, você precisa de permissões específicas. Essas permissões são diferentes, dependendo se você está executando essas ações como usuário ou administrador. Para obter mais informações, consulte: