Ana içeriğe geç Tamamlayıcı içeriğe geç

ML dağıtımlarıyla çalışma

Modeli eğittikten ve iyileştirdikten sonra tahmin yapmak için modeli dağıtabilirsiniz.

ML dağıtımları kişisel, paylaşılan ve yönetilen alanlarda oluşturulabilir.

İş akışı

Aşağıda, ML dağıtımları ve tahminleriyle çalışma adımlarına dair örnekler yer almaktadır.

  1. Modelinizi dağıtın

    Tahmin yapmak için kullanmak istediğiniz modeli dağıtın.

    Modelleri dağıtma

  2. Modelinizi onaylatın

    ML dağıtımıyla tahmin yapabilmeniz için kaynak modelin tahmin yapmak üzere etkinleştirilmesi gerekir. Model onayı, belirli izinlere sahip kullanıcılar ve yöneticiler tarafından gerçekleştirilebilir.

    Dağıtılmış modelleri onaylama

  3. Tahminler yapın

    Veri kümelerinde manuel veya zamanlamalı tahminler yapın ya da Makine Öğrenimi API'sindeki gerçek zamanlı tahmin uç noktasını kullanın.

    Veri kümeleriyle ilgili tahminler oluşturma

    Makine Öğrenimi API'si

  4. Tahmine dayalı içgörüleri görselleştirin

    Oluşturulan tahmin verilerini uygulamaya yükleyin ve görselleştirmeler oluşturun.

    Qlik Sense uygulamalarında SHAP değerlerini görselleştirme

  5. Olası durum senaryolarıyla verileri keşfedin.

    Gerçek zamanlı tahminler yapmak için tahmin API'sini bir uygulamaya entegre edin. Bu, özellik değerlerini değiştirerek olası durum senaryolarında denemeler yapmanıza ve yeni değerler için tahmin edilen sonuçları almanıza olanak sağlar. Kayıt, API aracılığıyla ML dağıtımına iletilir ve gerçek zamanlı olarak bir yanıt alınır. Örneğin, plan türünü değiştirsek veya taban fiyatı artırırsak müşteri kaybı riski bundan nasıl etkilenir?

  6. Eylem gerçekleştirin

    Hangi eylemleri gerçekleştireceğinizi belirlemek için tahmine dayalı içgörüleri ve senaryoları analiz edin. Qlik Automate, eylemleri otomatikleştirmenize yardımcı olur ve makine öğrenimi kullanım senaryoları için özel şablonlar sunar. Otomasyonlar hakkında daha fazla bilgi edinmek için bk. Qlik Automate. (yalnızca İngilizce)

  7. Gerektiğinde modelleri değiştirin

    Zaman içinde girdi verilerinizin dağılımı ve özellikleri değişebilir. Orijinal makine öğrenimi sorununuzda bir değişiklik olmadığında, yeni modelleri mevcut ML dağıtımınızla değiştirerek tahminlerde en az kesintiyle sorunsuz iyileştirme sağlayabilirsiniz. Orijinal makine öğrenimi sorununuzu yeniden tanımlamanız gerekiyorsa, yeni bir deney oluşturabilirsiniz.

    ML dağıtımında çoklu modellerin kullanılması

Gereklilikler ve izinler

ML dağıtımları ve tahminleri ile çalışmaya ilişkin kullanıcı izinleri gereklilikleri hakkında bilgi için bk. ML dağıtımları ve tahminleri için erişim kontrolleri.

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!