# Знакомство с автоматизированным машинным обучением

Автоматизируйте машинное обучение для своей команды аналитиков с помощью Qlik Predict. Благодаря простому интерфейсу без кода можно легко создавать эксперименты машинного обучения, позволяющие генерировать модели и создавать прогнозирования.

## Что такое машинное обучение

Машинное обучение — это область искусственного интеллекта и науки о данных, которая основное внимание уделяет выявлению закономерностей в исторических данных для прогнозирования будущих результатов. Алгоритмы обучаются на основе данных, чтобы создавать прогнозные модели без специального программирования на выполнение этой задачи. Модель машинного обучения может помочь в решении таких задач, как:

* Продлит ли клиент фитнес-клуба свой абонемент?

* Какова ожидаемая пожизненная ценность данного клиента?

Для получения дополнительной информации об основных понятиях см. раздел [Понимание машинного обучения](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-basics.htm). Здесь вы также узнаете об упорядоченной структуре для формулирования задач машинного обучения и подготовки наборов данных.

## Что можно делать с помощью автоматизированного машинного обучения

Создавайте автоматизированные эксперименты машинного обучения в Qlik Sense. В центре активности Аналитика можно работать над экспериментом вместе с другими пользователями и быстро загружать данные из каталога для обучения модели.

Интегрируйте прогнозную аналитику в приложения Qlik Sense и делитесь своими результатами. Исследуйте данные при помощи визуализаций и интерактивных сценариев альтернатив, чтобы понять, как изменение различных параметров может повлиять на желаемый результат.

Кроме того, вы можете выполнять прогнозирование с использованием наборов данных, хранящихся в каталоге, или оперативно создавать прогнозы в реальном времени с помощью API-интерфейсов Qlik Sense.

## Как работают эксперименты

В ходе эксперимента производится обучение алгоритмов машинного обучения на основе определенного набора данных с конкретной целью. При обучении создаются модели машинного обучения, которые можно использовать для прогнозирования.

Большая часть процесса автоматизирована благодаря автоматизированному машинному обучению. При создании эксперимента и загрузке набора данных выполняется автоматический анализ набора данных. Данные предварительно обрабатываются, чтобы они были готовы к машинному обучению. Статистика и другие сведения о каждом столбце отображаются, что облегчает выбор цели. При запуске обучения несколько алгоритмов начинают поиск закономерностей в данных. Для получения дополнительной информации о создании и обучении экспериментов см. раздел [Работа с экспериментами](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-experiments.htm).

Оценки и ранжирование позволяют оценить созданные модели машинного обучения по окончании обучения. Посредством изменения параметров и количества итераций обучения можно создать несколько версий. Выберите модель с наилучшими показателями для набора данных и разверните ее, чтобы запустить прогнозирование. Для получения дополнительной информации см. раздел [Работа с развертываниями машинного обучения](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm).

Как показано на рисунке ниже, эксперимент может иметь несколько версий, каждая из которых использует один или несколько алгоритмов. Модель с наиболее эффективным алгоритмом можно развернуть для прогнозирования. Это означает, что из одного эксперимента может получиться несколько развертываний машинного обучения.

![Обзор взаимосвязей между экспериментами, версиями, алгоритмами, моделями и прогнозированиями.](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl-process-diagram.png)

## Права доступа к Qlik Predict

Для получения полных сведений о том, как пользователи могут получить доступ к Qlik Predict, см. раздел [Кто может работать с Qlik Predict](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm).

## Ограничения и возможности

Общие Qlik Predict ограничения и возможности см. [Ограничения и возможности Qlik Predict](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/ml-limitations-capacities.htm).

Qlik Predict — это дополнительная опция, предоставляемая за отдельную плату. Некоторые ограниченные функциональные возможности включены в применимые подписки. Некоторые конкретные функции и метрики зависят от уровня вашей подписки (см. [Возможности Qlik Predict в разных подписках](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/introduction.htm#Subscription)).

## Возможности Qlik Predict в разных подписках

Доступ к функциям Qlik Predict зависит от условий подписки Qlik. Подробнее см:

* [Расценки Qlik](https://www.qlik.com/us/pricing)

* описание продукта [Qlik Cloud® Subscriptions](https://www.qlik.com/us/legal/product-terms)

Связанные учебные материалы:

* [Что такое Qlik Predict](https://help.qlik.com/lnk/What_is_AutoML)
* [Введение в Qlik Predict](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)

## Подробнее

* [Что такое Qlik Predict](https://help.qlik.com/lnk/What_is_AutoML)
* [Введение в Qlik Predict](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)