Otomatik makine öğrenimine giriş

Qlik AutoML ile makine öğrenimi sürecini analiz ekibiniz için otomatik hale getirin. Basit ve kod gerektirmeyen arayüz sayesinde modeller oluşturmak ve tahminler yapmak için kolaylıkla makine öğrenimi deneyleri oluşturabilirsiniz.

Makine öğrenimi nedir

Makine öğrenimi, yapay zeka ve veri biliminin, gelecekteki sonuçları tahmin etmek için geçmiş verilerdeki örüntüleri tanımaya odaklanan bir dalıdır. Algoritmalar, açıkça bu iş için programlanmadan, tahmine dayalı bir model oluşturmak için veri üzerinde eğitilir. Makine öğrenimi modeli şu tür soruları yanıtlamanıza yardımcı olabilir:

Bir spor salonu müşterisi üyeliğini iptal edecek mi?
Belirli bir müşteri için müşteri yaşam boyu değeri nedir?

Makine öğrenimini anlama bölümünden temel kavramlar hakkında daha fazla bilgi edinebilirsiniz. Aynı zamanda makine öğrenimi sorularını tanımlamak ve veri kümelerini hazırlamak için kullanılan yapısal çerçeve hakkında da bilgi edineceksiniz.

Otomatik makine öğrenimi ile yapabilecekleriniz

Qlik Sense içinde otomatik makine öğrenmesi deneyleri oluşturun. Hub'da, deney üzerinde diğer kullanıcılarla iş birliği yapabilir ve modeli eğitmek için Katalogdan verileri kolayca yükleyebilirsiniz.

Bulgularınızı paylaşmak için, tahmine dayalı analizlerinizi Qlik Sense uygulamalarıyla entegre edin. Farklı parametreleri değiştirdiğinizde bunun, istediğiniz sonucu nasıl etkileyebileceğini anlamak için görselleştirmeler ve etkileşimli olası durum senaryolarıyla daha fazlasını keşfedin.

Katalogda depolanan veri kümeleri için tahminlerde bulunabilir veya Qlik Sense API'lerini kullanarak gerçek zamanlı hazır tahminler yapabilirsiniz.

Deneyler nasıl çalışır

Deney, makine öğrenimi algoritmalarını belirli bir hedefi barındıran belirli bir veri kümesinde eğitir. Eğitim, tahmin yapmak için kullanabileceğiniz makine öğrenimi modelleri oluşturur.

Otomatik makine öğreniminde sürecin büyük bölümü otomatiktir. Bir deney oluşturup bir veri kümesi yüklediğinizde, veri kümesi otomatik olarak analiz edilir ve veriler, makine öğrenimine hazır olmaları için önceden işlenir. Bir hedef seçmenize yardımcı olmak için, her bir sütunla ilgili istatistikler ve diğer bilgiler gösterilir. Eğitimi başlattığınızda çeşitli algoritmalar verilerdeki örüntüleri aramaya başlar. Deney oluşturma ve eğitme hakkında daha fazla bilgi edinmek için bkz. Deneylerle çalışma.

Eğitim bittiğinde puanlar ve sıralamalar, oluşturulan makine öğrenimi modellerini değerlendirmenize olanak sağlar. Parametreleri değiştirerek ve eğitimi yineleyerek çok sayıda sürüm oluşturabilirsiniz. Veri kümeniz için en iyi performansı gösteren modeli seçin ve tahmin yapmak için modeli dağıtın. Daha fazla bilgi için bkz. ML dağıtımlarıyla çalışma.

Aşağıdaki resimde gösterildiği gibi, deneyin, her biri bir veya daha fazla algoritma kullanan birden çok sürümü olabilir. En iyi performanslı algoritmaya sahip olan model, tahmin yapmak için dağıtılabilir. Bu, bir deney sonunda birden çok ML dağıtımı gerçekleşebileceği anlamına gelir.

Deneyler, sürümler, algoritmalar, modeller ve tahminler arasındaki ilişkiye genel bakış.

AutoML için kullanıcı erişimi

Kullanıcıların Qlik AutoML'e nasıl erişebileceği hakkında tüm ayrıntılar için bkz. Qlik AutoML ile kimler çalışabilir?.

AutoML sınırlamaları ve lisans tarafından yönetilen özellikler

AutoML, ücretli bir ek özelliktir. Bazı sınırlı işlevler geçerli aboneliklere dahildir. Belirli özellikler ve kapasiteler abonelik katmanınıza bağlıdır.

Sınırlamalar

Qlik AutoML'nin dakikada 300 isteklik bir API hız sınırı vardır.
Veri kümesindeki maksimum sütun sayısı: 500

Bu, deneyleri eğitmede ve tahminler oluşturmada kullanılan veri kümeleri için geçerlidir. Sınır, bir deney sürümünde özellik olarak kullanılan sütun sayısıdır. Veri kümesi daha fazla sütunu içerebilir. Sınırlar, sütunlar veri kümesine dahil edilirken hesaplanır.

Lisans tarafından yönetilen kapasiteler

Müşteri lisansınız, Qlik AutoML'i nasıl kullanabileceğinizi düzenleyen çeşitli metriklerin kapasitesini belirler. Kullanım metrikleriniz; AutoML kullanıcı arayüzü üzerinden AutoML hizmetlerini kullanımınız, bir Qlik Sense uygulamasındaki temel etken analizi ve genel API'ler aracılığıyla ölçülür.

İş ihtiyaçlarınıza bağlı olarak birden fazla AutoML katmanı mevcuttur. Aşağıdaki iki tür katman bulunmaktadır:

Dahil edilen katman: Bu, sınırlı yeteneklere sahip temel AutoML işlevselliğidir. Qlik Sense Enterprise SaaS, Qlik Cloud Analytics Premium, Qlik Cloud Enterprise veya Qlik Cloud Veri Entegrasyonu (Standart veya Premium) aboneliğine dahildir. Dahil edilen katman, deneme amaçları için ve Qlik AutoML'in iş ihtiyaçlarınızı karşılamaya nasıl yardımcı olabileceğini değerlendirmek açısından uygundur. Üretim kullanım durumları için uygun değildir. Daha kapsamlı özellikler için Qlik AutoML'in ücretli bir katmanını düşünebilirsiniz.
Ücretli katmanlar: Üretim kullanım durumları için gereken kapsamlı AutoML kapasitelerini sağlayan bir dizi paket vardır. Bunlar Qlik Cloud aboneliğine ek ücretli eklentiler olarak sunulmaktadır.

Aşağıdaki özellikler yalnızca Qlik AutoML'in ücretli katmanlarında mevcuttur:

Hiper parametre optimizasyonu
Planlanmış tahminler
Gerçek zamanlı tahminler
Qlik AutoML bağlayıcısı

Her bir AutoML katmanı türüne nelerin dahil olduğu hakkında daha fazla bilgi için aşağıdaki tabloya bakın.

Qlik AutoML ölçümleri ve katman türüne göre kullanılabilirlik
Metrik	Açıklama	Dahil edilen katmanda mevcuttur	Ücretli katmanlarda mevcuttur
Dağıtılmış modeller	Qlik Cloud aboneliğine dahil olan katman, lisans dahilinde oluşturulan tüm kiracılarda oluşturulabilecek maksimum dağıtılmış model sayısını tanımlar. Bu tüketim sınırı model başına tanımlanır, yani tek bir modelden oluşturulan birden fazla ML dağıtımı tek bir dağıtılmış model olarak sayılır.	Evet	Evet
Eş zamanlı eğitim	Bu, bir kiracının paralel olarak eğitebileceği model sayısıdır. Qlik AutoML'in dahil edilen katmanında, her model birbiri ardına çalıştırılacaktır. Ücretli katmanlar, kiracınızın aynı anda birden fazla modeli eğitmesine olanak tanıyan kapasite içerir.	Hayır	Evet
Artan veri kümesi boyutu	Ücretli katmanlar, eğitim modelleri için daha fazla veri kümesi boyutu sağlar.	Hayır	Evet
Manuel toplu tahminler	Bir veri kümesindeki tüm satırları manuel olarak tahmin edin.	Evet	Evet
Planlanmış toplu tahminler	Tahminlerinizi manuel olarak başlatmak yerine bir programa göre çalışacak şekilde yapılandırın. Zamanlanmış tahminler yalnızca Qlik AutoML'in ücretli katmanlarında kullanılabilir. Daha fazla bilgi için bk. Tahminleri zamanlama.	Hayır	Evet
Gerçek zamanlı tahminler	Tahminleri gerçek zamanlı olarak çalıştırmak üzere makine öğrenimi dağıtımlarınızı kullanmak için bu API'yi kullanın. Daha fazla bilgi için bk. Gerçek zamanlı tahminler oluşturma.	Hayır	Evet
Qlik Cloud Analizleri içinde Qlik AutoML bağlayıcısı	Bu analiz bağlayıcı ile entegre Qlik AutoML platformundaki verileri Qlik Cloud öğesine yükleyebilirsiniz. Daha fazla bilgi için bk. Qlik AutoML analiz kaynağı.	Hayır	Evet
Hiper parametre optimizasyonu	Hiperparametre optimizasyonu, öğrenme süreci üzerinde daha fazla kontrol için AutoML modellerinize ince ayar yapmanıza olanak tanır. Daha fazla bilgi için bk. Hiper parametre optimizasyonu.	Hayır	Evet

Qlik AutoML'de oluşturduğunuz ML dağıtımlarının süresi dolmaz. Maksimum dağıtılmış model sayısına ulaştıysanız mevcut bir veya daha fazla dağıtılmış modeli silin ya da aboneliğinizi daha yüksek bir katmana yükseltin.

Lisans metriklerinizle ilgili daha detaylı bilgi için bkz. Qlik Cloud® Abonelikleri İçin Ürün Açıklaması (yalnızca İngilizce). Yöneticiler lisans bilgilerini görüntüleyebilir ve Yönetim Konsolu içindeki dağıtılan model sayısını izleyebilir. Kaynak tüketimini izleme

İLGİLİ ÖĞRENME KAYNAKLARI:

Daha fazla bilgi

Bu sayfa size yardımcı oldu mu?

Bu sayfa veya içeriği ile ilgili bir sorun; bir yazım hatası, eksik bir adım veya teknik bir hata bulursanız, bize bildirin, düzeltelim!

Geri bildiriminizi buradan iletin