# Deneylerle çalışma

Geçmiş verileri otomatik bir makine öğrenimi deneyine yükleyin ve bir iş sorununu analiz edip tahmin etmek için bir modeli eğitin.

Kişisel veya paylaşılan alanlarda deneyler oluşturabilir ve düzenleyebilirsiniz.

## İş akışı

Qlik Cloud Analizleri içinde otomatik bir makine öğrenimi deneyi oluşturmadan önce, iyi tanımlanmış bir makine öğrenimi sorusuna ve Katalog'da bulunan uygun bir eğitim veri kümesine sahip olmanız gerekir. Daha fazla bilgi için bkz. [Makine öğrenimi sorularını tanımlama](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework.htm) ve [Getting your dataset ready for training](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-preparation.htm).

Aşağıdaki adımlar bir deney iş akışını açıklamaktadır.

1. Deneyinizi oluşturun

   Qlik Cloud içinde yeni bir deney oluşturun. Ortak çalışmak istiyorsanız bunu paylaşılan bir alana ekleyin.

   [Deneyler oluşturma](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-experiments.htm)

2. Deneyinizi yapılandırın

   Tahminler yapmak için bir hedef ve tahmini destekleyecek özellikler seçin.

   [Deneyleri yapılandırma](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)

3. Eğitimi başlatın

   İlk deney sürümünüzün eğitimini başlatın.

   [Eğitim deneyleri](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm)

4. Önerilen modelleri gözden geçirin

   Model eğitiminin nasıl gittiğini gözden geçirin ve size önerilen modelleri değerlendirin. Deney, sürüm ve model düzeyinde içgörüler sunan eğitim özetlerini ve yerleşik analizleri incelemek için yerleşik araçları kullanın.

   [Modelleri inceleme](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/reviewing-experiments.htm)

   Daha fazla iyileştirme gerekirse, deneyin sonraki sürümlerini yapılandırabilirsiniz. Özellikler ve algoritmalar gibi parametreleri ayarlayın ve iyi bir modele sahip olana kadar deneyin yeni sürümlerini yeniden eğitin.

   [Modelleri hassaslaştırma](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

5. Modeli dağıtın

   İyi bir modele sahip olduğunuzda, onu dağıtma ve tahminler yapmaya başlama zamanı gelmiştir.

   [ML dağıtımlarıyla çalışma](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

## Gereksinimler ve izinler

Paylaşılan alanlarda ML deneyleriyle çalışmak için gereken alan rolleri hakkında bilgi için bkz.:

* [Profesyonel ve kapasite tabanlı abonelik kullanıcıları için paylaşılan alan izinleri](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Yöneticiler için paylaşılan alan izinleri](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

Bir yöneticiyseniz, ML deneyleriyle çalışmak için gereken kullanıcı izinlerine kapsamlı bir genel bakış için bkz. [Kimler Qlik Predict ile çalışabilir?](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm).

## Köken ve etki analizini görüntüleme

Qlik Cloud içindeki Köken ve Etki analizi araçlarını kullanarak şunları analiz edebilirsiniz:

* Bir ML deneyinin kökenleri ve her bir modeli eğitmek için kullanılan veriler.

  [Makine öğrenimi içeriği için kökeni analiz etme](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/lineage.htm#MLLineage)

* ML deneyinin ve çıktılarının Qlik Cloud genelinde alt içeriklerde nasıl kullanıldığı.

  [Makine öğrenimi içeriği için etki analizi](https://help.qlik.com/tr-TR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/impact-analysis2.htm#MLImpact)