Ir para conteúdo principal Pular para conteúdo complementar

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.

Requisitos e permissões

Para trabalhar com implementações de ML e as configurações de previsão dentro delas, você deve ter o seguinte:

  • Direito de usuário Professional ou completo

  • 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

  • Configurar e executar previsões da implementação de ML: Função de segurança Automl Deployment Contributor

  • Permissões necessárias no espaço onde as implementações de ML estão localizadas.

As previsões são criadas como conjuntos de dados. Portanto, os mesmos requisitos para trabalhar com fontes de dados no Qlik Cloud aplicam-se ao trabalho com saída de previsão (como usá-la em um aplicativo Qlik Sense). Você deve ter a função de Criador de conteúdo de análise privada para criar conjuntos de dados em seu espaço pessoal.

Para previsões agendadas, também existem requisitos para o proprietário da configuração de previsão.

Para obter mais informações, consulte:

Fluxo de trabalho

As etapas a seguir são um exemplo de como trabalhar com implementações e previsões de ML.

  1. Implemente seu modelo

    Implemente o modelo que deseja usar para fazer previsões.

    Implementando modelos

  2. Fazer previsões

    Faça previsões manuais ou programadas em conjuntos de dados ou use a API de previsão.

    Criando previsões sobre conjuntos de dados

  3. Visualize os insights preditivos

    Carregue os dados de previsão gerados em um aplicativo e crie visualizações.

    Visualizando valores SHAP em aplicativos Qlik Sense

  4. 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?

  5. 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).

Saiba mais

Esta página ajudou?

Se você encontrar algum problema com esta página ou seu conteúdo - um erro de digitação, uma etapa ausente ou um erro técnico - informe-nos como podemos melhorar!