# Usando conexões Azure ML em expressões de visualização

Você pode usar as conexões analíticas em expressões de visualização. A sintaxe ao usar as conexões analíticas em expressões deve seguir a sintaxe de extensões no lado do servidor.

Os dados devem ser processados em uma expressão de visualização apenas quando forem alterados dinamicamente com base na entrada de um usuário. Se o texto para análise de texto for do modelo de dados e sempre for o mesmo, a análise de texto deverá ser calculada no script de carregamento e armazenada em cache no modelo de dados.

Se o caso de uso for baseado na entrada do usuário, você poderá usar uma conexão analítica e a sintaxe de extensão no lado do servidor correspondente na sua expressão de gráfico para criar gráficos interativos que visualizam os dados recebidos dos terminais do modelo.

Nota informativaAo usar o Azure ML em uma expressão de gráfico, é importante fornecer os tipos de dados dos campos, pois o Azure precisa processá-los no formato numérico/string correto. Uma limitação das extensões no lado do servidor em expressões de gráfico é que os tipos de dados não são calculados automaticamente como no script de carregamento.

Faça o seguinte:

1. Ao editar uma visualização, clique em the Expressão icon para entrar no editor de expressões.

2. No editor de expressões, insira uma expressão no campo de expressão. A expressão deve ser construída usando a sintaxe de extensão no lado do servidor.

Nota informativaDependendo do tamanho dos dados e dos terminais de aprendizado de máquina chamados, a capacidade de resposta dos gráficos contendo conexões analíticas pode ser afetada devido aos dados serem enviados e retornados de serviços Azure para cálculos.

[Trabalhando com o editor de expressões](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Expressions/work-with-expression-editor.htm)

[Sintaxe das extensões no lado do servidor](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/sse-syntax.htm)

## Exemplo

Aqui está um exemplo de uma chamada feita para um modelo externo que faz previsões de rotatividade de clientes bancários:

```
sum(aggr(endpoints.ScriptEvalEx('SNNNNNNNNNNSSNNSNNNNNSSSSSNSNNSS','{"RequestType":"endpoint", "endpoint":{"connectionname":"$(vConnectionName)"}}',
id_loan,
CurrentBalance,
loan_age,
delq_sts,
Margin,
countLatePayment,
RefinanceRateRelativity,
RealGDP,
ChangeUnemploymentRate,
CurrentLCV,
fico,
flag_fthb,
cd_msa,
mi_pct,
cnt_units,
occpy_sts,
cltv,
dti,
orig_upb,
ltv,
int_rt + vInterestRateShift as int_rt,
channel,
ppmt_pnlty,
prod_type,
st,
prop_type,
zipcode,
loan_purpose,
orig_loan_term,
cnt_borr,
flag_sc,
customerFeedback
),id_loan))
```