Yönetici olarak ML eğitim raporlarını indirme
Yöneticiler, dağıtılan ve Qlik Predict ile eğitilen makine öğrenimi modelleri için eğitim raporlarını indirebilir. Eğitim raporları, bir modeli eğiten süreçler ve isteğe bağlı olarak ML deneyindeki diğer modeller hakkında kapsamlı ayrıntılar içerir. Eğitim raporları PDF formatındadır.
Yönetici izinleri olmayan kullanıcılar da ML deneylerinden ve ML dağıtımlarından eğitim raporlarını indirebilir. Daha fazla bilgi için bk. ML eğitim raporları indirme.
ML eğitim raporu
Kullanım durumları
Model eğitim raporları ile:
-
Örneğin, denetim amacıyla, modellerinizi eğiten süreçleri daha derinlemesine inceleyebilirsiniz.
-
Model eğitimi ile ilgili ayrıntıları Qlik Cloud dışındaki kullanıcılarla kolayca paylaşabilirsiniz.
Eğitim raporu oluşturma
Yönetim etkinlik merkezinden
Aşağıdakileri yapın:
-
Yönetim içinde Qlik Predict bölümüne gidin.
-
Dağıtılan modeller sekmesini açın.
- Tablodaki bir modelin yanındaki
seçeneğine tıklayın. -
Eğitim raporunu indir'i seçin.
-
Diyalog penceresinde isteğe bağlı olarak Deneye tüm modellerle ilgili bilgileri dahil et seçeneğine tıklayın.
Bu ayar etkinleştirildiğinde, deneyde eğitilen tüm modeller hakkında bilgi içeren genişletilmiş bir rapor oluşturulur.
-
Gerekirse raporu indirmeden görüntülemek için Önizleme'ye tıklayın. Tarayıcınıza bağlı olarak, bunu birden fazla kez denemeniz gerekebilir.
-
İndir öğesine tıklayın. Rapor oluşturulur ve yerel İndirilenler klasörünüze kaydedilir.
Bir ML deneyinden
Aşağıdakileri yapın:
-
Bir ML deneyi açın.
-
Modeller sekmesine gidin.
-
Bir model seçin.
-
Sağ üst köşede Eğitim raporunu indir seçeneğine tıklayın.
-
Diyalog penceresinde isteğe bağlı olarak Deneye tüm modellerle ilgili bilgileri dahil et seçeneğine tıklayın.
Bu ayar etkinleştirildiğinde, deneyde eğitilen tüm modeller hakkında bilgi içeren genişletilmiş bir rapor oluşturulur.
-
Gerekirse raporu indirmeden görüntülemek için Önizleme'ye tıklayın. Tarayıcınıza bağlı olarak, bunu birden fazla kez denemeniz gerekebilir.
-
İndir öğesine tıklayın. Rapor oluşturulur ve yerel İndirilenler klasörünüze kaydedilir.
Ayrıca bir model üzerinde seçeneğine tıklayarak ve Eğitim raporunu indir seçeneğini belirleyerek bir eğitim raporu oluşturabilirsiniz.
Bir ML dağıtımından
Aşağıdakileri yapın:
-
Bir ML dağıtımı açın.
-
Dağıtılabilir modeller sekmesine gidin.
-
Dağıtımdaki tüm modeller altında, modelin yanındaki
öğesine tıklayın. -
Eğitim raporunu indir'i seçin.
-
Diyalog penceresinde isteğe bağlı olarak Deneye tüm modellerle ilgili bilgileri dahil et seçeneğine tıklayın.
Bu ayar etkinleştirildiğinde, deneyde eğitilen tüm modeller hakkında bilgi içeren genişletilmiş bir rapor oluşturulur. bk. Tam ve odaklanmış sürümler.
-
Gerekirse raporu indirmeden görüntülemek için Önizleme'ye tıklayın. Tarayıcınıza bağlı olarak, bunu birden fazla kez denemeniz gerekebilir.
-
İndir öğesine tıklayın. Rapor oluşturulur ve yerel İndirilenler klasörünüze kaydedilir.
Bir eğitim raporu neler içerir?
Eğitim raporu aşağıdaki bilgileri ayrıntılı olarak özetlemektedir. Bazı ayrıntılar yalnızca eğitim raporunun tam sürümünü indirdiğinizde mevcut olabilir. Daha fazla bilgi için bk. Tam ve odaklanmış sürümler.
-
Deneyi oluşturan
-
Deneyler ve modelin eğitildiği zaman
-
Eğitimde kullanılan kaynakların konumu ve adı
-
Deneyin kaç versiyonu ve modeli olduğu
-
Modelleri eğitmek için kullanılan algoritmalar
-
Kullanılan eğitim veri kümeleri hakkında, örneğin ne kadar veri içerdikleri gibi ayrıntılar
-
Eğitim öncesinde ve sırasında eğitim verileri üzerinde gerçekleştirilen işlemler
-
Hem eğitim hem de bekletme verileri için model metrikleri
-
Hiper parametre verileri
Tam ve odaklanmış sürümler
Bir eğitim raporunu indirirken kullanıcı isteğe bağlı olarak Deneye tüm modellerle ilgili bilgileri dahil et adlı bir ayarı açabilir. Bu ayar, raporun tam sürümünün mü yoksa odaklanmış sürümünün mü oluşturulacağını kontrol eder.
Deneye tüm modellerle ilgili bilgileri dahil et ayarı açıkken raporun tam sürümü oluşturulur. Bu rapor, deneyde eğitilen diğer modeller hakkında ek bilgiler içermektedir.
Öte yandan, odaklanmış rapor yalnızca seçilen model hakkında bilgi içerir. Deneydeki diğer modellerle ilgili bilgileri dahil edilmez.
Eğitim raporundaki terimleri yorumlama
Eğitim raporlarını analiz ederken, atıfta bulunulan teknik terimleri anladığınız varsayılmaktadır. Çoğu terim Qlik Predict yardım belgelerinde açıklanmıştır.
Aşağıdaki tabloda, rapordaki içeriğe ilişkin tanımlar ve faydalı yardım konuları yer almaktadır.
| Terim | Anlamı | İlişkili içerik |
|---|---|---|
| Toplu işlemler |
Deneyde kaç grup modelin eğitildiğini ifade eder. Akıllı model optimizasyonu kullanılırken, eğitim performansını ve sonuçlarını iyileştirmek için modeller yinelemeli gruplar halinde eğitilir. Buna karşılık, akıllı model optimizasyonu (yani manuel optimizasyon) kullanmayan bir deney sürümü, modelleri tek bir grupta eğitir. |
- |
| EDA | Açıklayıcı veri analizini ifade eder. Bu, model eğitimi başlamadan önce eğitim verileri üzerinde gerçekleştirilen otomatik bir dizi işlem için kullanılan bir terimdir. | Deney düzeni |
| Kodlama, Impact encoding uygulandı, One-hot encoding | Model eğitiminde daha kullanılabilir hale getirmek için özellik verilerine uygulanan işlemi ifade eder. | Kategorik kodlama |
| Özellik mühendisliği | Yeni özelliklerle sonuçlanan çok sayıda süreci ifade eder. Bunlar yepyeni varlıklar olarak ortaya çıkan yeni özellikler olabileceği gibi, kodlama ve serbest metin işleme yoluyla oluşturulan özellikler de olabilir. | |
| Beş bölümlü çapraz doğrulama | Her eğitim yinelemesinden sonra modeller üzerinde gerçekleştirilen çapraz doğrulamayı ifade eder. | Veri bekletme ve çapraz doğrulama |
| Optimizasyon | Model eğitiminde akıllı mı yoksa manuel optimizasyon mu kullanıldığını ifade eder. | Model optimizasyonuyla çalışma |
| Örnekleme oranı | Modeli eğitmek için eğitim veri kümesinin ne kadarının kullanıldığını ifade eder. Akıllı model optimizasyonu kullanılırken, özellikle çok büyük veri kümeleri için modeller bazen orijinal veri kümesinin %100'ünden daha azıyla eğitilebilir. Buna karşılık, akıllı model optimizasyonu (yani manuel optimizasyon) kullanmayan bir deney sürümü, eğitim veri kümesinin her zaman %100'ünü kullanır. |
Eğitim verisi örnekleme |
| Bölme | Eğitim veri kümesinin otomatik olarak eğitim ve bekletme verilerine bölünmesini ifade eder. Bekletme, model eğitimi için değil, model performansını test etmek için kullanılır. | Veri bekletme ve çapraz doğrulama |
| U=Kullanıcı tarafından geçersiz kılma | Kullanıcının otomatik olarak tanımlanan özellik türünden özellik türünü manuel olarak değiştirmesi eylemini ifade eder. | Özellik türlerini değiştirme |
Eğitim raporlarını indirmek için izinler ve gereksinimler
Yönetim etkinlik merkezinden indirmek için izinler ve gereksinimler
Bir eğitim raporunu Yönetim etkinlik merkezinden dışa aktarmak için modelin en az bir ML dağıtımına dağıtılmış olması gerekir.
Ayrıca makine öğrenimi içeriğine erişim sağlamanız gerekir. Başka bir deyişle, yönetici olarak aşağıdakilerden birine sahip olmanız gerekir:
-
Tenant Admin rolü
-
Analytics Admin rolü
-
User Default veya özel güvenlik rolü aracılığıyla ML deneyi ve dağıtımlarını yönet yönetici izninin İzin Verildi olarak ayarlanması
ML deneyleri ve dağıtımlarından indirmek için izinler
Aşağıdakilerden biriyle, bir yönetici ML deneylerinden ve ML dağıtımlarından eğitim raporlarını indirebilir:
-
Tenant Admin rolü
-
Analytics Admin rolü
-
ML deneyi ve dağıtımlarını yönet yönetici izni İzin Verildi olarak ayarlanmış User Default veya özel güvenlik rolü aracılığıyla
Sınırlamalar
-
Eğitim raporları yalnızca Temmuz 2025 sonu ve sonrasında oluşturulan ML deneyleri için kullanılabilir.