# Trabalhando com experimentos

Carregue dados históricos em um experimento automatizado de aprendizado de máquina e treine um modelo para analisar e prever um problema de negócios.

Você pode criar e editar experimentos em espaços pessoais ou compartilhados.

## Fluxo de trabalho

Antes de criar um experimento de aprendizado de máquina automatizado no Qlik Cloud Analytics, você precisa ter uma pergunta de aprendizado de máquina bem definida e um conjunto de dados de treinamento adequado disponível no Catálogo. Para obter mais informações, consulte [Definindo perguntas de aprendizado de máquina](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework.htm) e [Preparando seu conjunto de dados para o treinamento](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-preparation.htm).

As etapas a seguir descrevem um fluxo de trabalho de experimento.

1. Criar seu experimento

   Crie um novo experimento no Qlik Cloud. Adicione-o a um espaço compartilhado se quiser trabalhar de forma colaborativa.

   [Criando experimentos](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-experiments.htm)

2. Configurar seu experimento

   Selecione um alvo para fazer previsões e recursos a fim de dar suporte à previsão.

   [Configurando experimentos](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)

3. Iniciar o treinamento

   Inicie o treinamento de sua primeira versão experimental.

   [Experimentos de treinamento](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm)

4. Revisar modelos recomendados

   Analise como foi o treinamento de modelos e avalie os modelos que foram recomendados para você. Use as ferramentas incorporadas para analisar resumos de treinamento e análises incorporadas, que oferecem ideias no nível do experimento, da versão e do modelo.

   [Revisando modelos](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/reviewing-experiments.htm)

   Se for necessário mais refinamento, você pode configurar versões subsequentes do experimento. Ajuste os parâmetros, como recursos e algoritmos, e treine novas versões experimentais até que você tenha um bom modelo.

   [Refinando modelos](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

5. Implementar o modelo

   Quando você tiver um bom modelo, é hora de implementá-lo e começar a fazer previsões.

   [Trabalhando com implementações de ML](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

## Requisitos e permissões

Para obter informações sobre as funções de espaço necessárias para trabalhar com experimentos de ML em espaços compartilhados, consulte:

* [Permissões de espaço compartilhado para usuários com assinatura Professional e baseada em capacidade](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Permissões de espaço compartilhado para administradores](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

Se você for um administrador, consulte [Quem pode trabalhar com o Qlik Predict](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm) para obter uma visão geral abrangente das permissões de usuário necessárias para trabalhar com experimentos de ML.

## Visualizando linhagem e análise de impacto

Usando as ferramentas Linhagem e Análise de impacto no Qlik Cloud, você pode analisar:

* As origens de um experimento de ML e os dados usados para treinar cada modelo.

  [Analisando a linhagem para conteúdo de aprendizado de máquina](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/lineage.htm#MLLineage)

* Como o experimento de ML e seus resultados estão sendo usados no conteúdo downstream no Qlik Cloud.

  [Análise de impacto para conteúdo de aprendizado de máquina](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/impact-analysis2.htm#MLImpact)