# Fonte de análises do Amazon Bedrock - Converse API

O conector de análise do Amazon Bedrock - Converse API fornece acesso à API universal do Amazon Bedrock para LLMs (modelos de linguagem grandes) que fornecem recursos de geração de texto. Use este conector para enriquecer seus aplicativos de análise com profundidade contextual e analítica de modelos de IA generativos hospedados pelo Amazon Bedrock.

Esse conector se comunica com a Converse API, que fornece acesso a vários modelos de geração de texto, incluindo a família Amazon Nova de modelos de base. A Converse API permite que você use vários recursos avançados disponíveis no Amazon Bedrock, incluindo perfis de inferência entre regiões (CRIS) e proteções. Para obter uma lista de modelos e recursos compatíveis com a Converse API, consulte [Modelos e recursos de modelos compatíveis](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference-supported-models-features.html).

Com o conector de análise Amazon Bedrock - Converse API, você pode enviar dados da entrada do consumidor do aplicativo ou de dados carregados no seu script ao Amazon Bedrock. Você pode se conectar a essa fonte de análise na página Criar no centro de atividades do Análises, no Script ou em um aplicativo.

## Pré-requisitos

Para trabalhar com esse conector, você deve ser um usuário da AWS com chave de acesso e chave secreta. Você também deve ter a permissão bedrock:invokemodel.

## Ativando endpoints de ML no Qlik Cloud

Para trabalhar com esse conector, os endpoints de aprendizado de máquina devem ser habilitados no centro de atividades de Administração. O interruptor está localizado em Controle de recursos na seção Configurações.

Para obter mais informações, consulte [Habilitando conexões analíticas para endpoints de aprendizado de máquina](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/load-data-from-advanced-analytic-connections.htm#Enabling).

## Limitações

* Esse conector tem um limite de solicitação de 25 linhas por solicitação, com tamanho máximo de lote de uma linha sendo enviada por vez.

* Os recursos disponíveis nos serviços em que o modelo foi implantado impactarão e limitarão o desempenho no carregamento do Qlik Sense e na capacidade de resposta do gráfico.

* Em um cenário em que um aplicativo é recarregado regularmente, é uma prática recomendada armazenar em cache as previsões de aprendizado de máquina usando um arquivo QVD e enviar apenas as novas linhas para o endpoint. Isso melhorará o desempenho do carregamento do aplicativo do Qlik Sense e reduzirá a carga no endpoint do modelo.

* Se estiver usando um nome de conexão relativo e decidir mover seu aplicativo de um espaço compartilhado para outro, ou se mover seu aplicativo de um espaço compartilhado para seu espaço privado, levará algum tempo para que a conexão analítica seja atualizada para refletir a nova localização do espaço.

* Você não pode criar e gerenciar conexões para este conector no Gerenciador de dados em um aplicativo de análise.