Fonte de análises do Databricks MLflow

O Databricks MLflow é uma plataforma de aprendizado de máquina para automatizar, garantir e acelerar análises preditivas, ajudando cientistas e analistas de dados a construir e implantar modelos preditivos precisos.

Para se conectar ao Databricks MLflow , você deve ter criado ou ter acesso a um modelo e implantado em um endpoint na plataforma Databricks MLflow. Além disso, esse endpoint deve ser acessível publicamente pelo Qlik Cloud.

MLflow gerenciado.

Limitações

• O Databricks MLflow tem uma cota de endpoint. Para obter mais informações, consulte Introdução ao Aprendizado de máquina do Databricks.

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

• O conector Databricks MLflow está limitado a 200,000 linhas por solicitação. Eles são enviados ao serviço de endpoint em lotes de 2,000 linhas. Em cenários em que mais linhas precisam ser processadas, use um Ciclo dentro do script de carregamento de dados para processar mais linhas em lotes.

• Quando um aplicativo é recarregado regularmente, é melhor armazenar em cache as previsões usando um arquivo QVD e enviar somente as novas linhas para o endpoint da previsão. Isso melhorará o desempenho do carregamento do aplicativo do Qlik Sense e reduzirá a carga no endpoint Databricks MLflow.

• Ao usar o Databricks MLflow em uma expressão de gráfico, é importante fornecer os tipos de dados dos campos, pois o modelo 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 detectados automaticamente, pois são no script de carregamento.

• 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 conexão analítica ser atualizada para refletir a nova localização do espaço.