# Amazon SageMaker analytics source

Amazon SageMaker — это платформа машинного обучения для автоматизации, обеспечения и ускорения обработки прогнозной аналитики, которая помогает специалистам по обработке и анализу данных создавать и разворачивать точные прогнозные модели.

Чтобы подключиться к Amazon SageMaker, сначала необходимо создать модель (или получить доступ к модели) и развернуть ее в конечной точке на платформе AWS. Эта конечная точка должна быть общедоступной для Qlik Cloud.

[Amazon SageMaker](https://aws.amazon.com/pm/sagemaker)

## Включение конечных точек машинного обучения в Qlik Cloud

Для работы с этим коннектором необходимо включить конечные точки машинного обучения в центре активности Администрирование. Переключатель находится в области Контроль функции раздела Параметры.

Для получения дополнительной информации см. раздел [Включение аналитических коннекторов для конечных точек машинного обучения](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/LoadData/load-data-from-advanced-analytic-connections.htm#Enabling).

## Ограничения

* Amazon Comprehend устанавливает квоты конечных точек:

  [Конечные точки и квоты Amazon SageMaker](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html)

* AWS позволяет разворачивать модель на типах экземпляров, например на средних и больших типах экземпляров. Ресурсы, доступные в службах Amazon, где развернута модель, будут обуславливать и ограничивать производительность при перезагрузке Qlik Sense, а также скорость отклика диаграмм.

* Когда Qlik Sense отправляет данные в Amazon SageMaker, они передаются в формате CSV без строки заголовка. Это означает, что поля должны отправляться точно в том порядке, в котором их ожидает конечная точка Amazon SageMaker. Необходимо указывать поля в том же порядке, что и при создании модели.

* Коннектор Amazon SageMaker имеет ограничение: 200,000 строк на запрос. Запросы отправляются в службу конечной точки пакетами по 2000 строк. В сценариях, где требуется обработка большего количества строк, используйте Loop в скрипте загрузки данных, чтобы обрабатывать больше строк в пакетах.

* В сценарии с регулярной перезагрузкой приложения лучше всего кэшировать прогнозы с использованием файла QVD и отправлять в конечную точку только новые строки. Это улучшит производительность при перезагрузке приложения Qlik Sense и уменьшит нагрузку на конечную точку Amazon SageMaker.

* При использовании Amazon SageMaker в выражении диаграммы важно указывать типы данных полей, так как необходимо обрабатывать их в правильном формате «строка/числовое значение». Использование серверных расширений в выражениях диаграмм имеет ограничение: типы данных не обнаруживаются автоматически так, как это делается в скрипте загрузки.

* Если вы используете относительное имя подключения, и если вы решите перенести ваше приложение из одного общего пространства в другое общее пространство, или перенести ваше приложение из общего пространства в личное пространство, то может потребоваться время на обновление аналитического подключения с учетом нового расположения пространства.

* Вы не можете создавать и управлять подключениями к этому коннектору в Диспетчер данных в аналитическом приложении.