Qlik Answers içinde makine öğrenimi ile çalışma | Qlik Cloud Yardımı
Ana içeriğe geç Tamamlayıcı içeriğe geç

Qlik Answers içinde makine öğrenimi ile çalışma

Son güncelleme: 2026-11-18

Qlik Answers'nin yapay zeka destekli teknolojisini kullanarak Qlik Predict otomatik makine öğrenimi ile çalışabilirsiniz.

Aracı tabanlı Qlik Answers deneyiminde, doğal dilde makine öğrenimi iş akışları oluşturabilir ve çalıştırabilirsiniz. Aynı sohbet deneyiminden veri kümelerini keşfedebilir, deneyleri yapılandırıp eğitebilir ve tahminler çalıştırabilirsiniz.

Bu Qlik Answers deneyimi, Qlik Predict yeteneklerine harici bir LLM istemcisindeki Qlik MCP sunucusu aracılığıyla erişmekten ayrıdır. Daha fazla bilgi için bkz. Qlik MCP sunucusu.

Qlik Answers içinde Predict ile çalışma

Ajan tabanlı deneyimde ML deneyi eğitme
Govnote-not-inQlik Cloud Government uygulamasında desteklenmez.
Govnote-not-inQlik Cloud Government - DoD uygulamasında desteklenmez.

Başlamadan önce

Önkoşullar:

Qlik Predict, Qlik Answers içinde açılıyor

  1. Qlik Answers öğesini açmak için Aç Answers öğesine tıklayın.

  2. Açılır menüden Predict öğesini seçin.

    Predict'i Açma

    Sohbette tahmin temsilcisini seçme

Uçtan uca iş akışları

Predict ile çalışırken aşağıdaki iş akışlarını kullanın.

Adım 1: Veri kümesi keşfi ve içgörüler

Eğitimden önce veri kalitesini ve aday alanları anlamak için veri kümesi içgörülerini kullanın. İçgörüler ve hedef önerileri isteyin.

Ayrıca kullanmak istediğiniz veri kümesinin tam adını bilmeniz de gerekmez—kullanılabilir veri kümelerinin bir listesini isteyebilirsiniz.

Veri kümesi keşfi ve içgörüler için örnek sorular
Eylem Örnek sorular Notlar
Veri kümesi seçimi
  • Eğitim için mevcut veri kümelerini göster

  • Eğitim için hangi veri kümelerini kullanabilirim?

  • Veri kümelerini listele

-
Veri kümesi içgörüleri
  • <veri kümesi adı> için veri kümesi içgörülerini gösterebilir misiniz

Alternatif olarak, veri kümesini önce Qlik Cloud içinde açabilir ve ardından şu gibi sorular sorabilirsiniz:

  • bu veri kümesi için veri kümesi içgörülerini gösterebilir misiniz?

  • Bu veri kümesindeki hangi özellikler yüksek kardinaliteye sahiptir

Hedef önerisi
  • Hedef olarak hangi sütunu kullanmayı önerirsiniz

  • Hedef için öneriniz nedir?

  • Eğitilen model hangi sütunu tahmin etmeli

Takip soruları olarak faydalıdır bir veri kümesi seçtikten ve içgörüleri keşfettikten sonra.

Adım 2: Deney eğitimi ve izleme

Hedefinizi tanımlayın ve aracının bir deneme yapılandırıp çalıştırmasını sağlayın. Regresyon ve sınıflandırma deney türleri desteklenmektedir. Bir veri kümesi ve hedef seçtikten sonra eğitimi başlatmanız istenir.

Daha önce bir makine öğrenimi iş akışı başlattıysanız, Predict'ten mevcut deneyleri izlemesini isteyebilirsiniz.

Deney eğitimi ve izleme için örnek sorular
Eylem Örnek sorular Notlar
Deney eğitimi (veri kümesi zaten seçilmiş)
  • <sütun adı> tahmin etmek istiyorum

  • Hedef olarak <sütun adı> kullanın

Kullanılacak bir eğitim veri kümesini seçtikten sonra takip soruları olarak kullanışlıdır.
Deney eğitimi (veri kümesi seçilmedi)
  • <sütun adı> tahmin etmek için modeller eğitin; <veri kümesi adı veya bir anahtar sözcük> kullanın

  • <veri kümesi adı veya bir anahtar sözcük> verileriyle bir deney oluşturun

Bu sorular, veri kümelerini ada göre manuel olarak aramadan doğrudan başlamanıza yardımcı olabilir.
Deney izleme
  • En son deneylerimi ve durumlarını listele

  • Deneyimin durumu nedir
-

Adım 3: Model yorumlama ve öneriler

Eğitim tamamlandıktan sonra, model davranışının sade bir dille yorumlanmasını ve model çıktısına dayalı önerileri talep edebilirsiniz.

Model analizi için örnek sorular
Eylem Örnek sorular Notlar
Model önerileri
  • Bu deneydeki en iyi model hangisidir

  • <deney adı> deneyi bende açık. En iyi model hangisidir

  • <deney adı> deneyi bende açık. İş odaklı bir kitle için en iyi model performansını özetleyin

En iyi sonuçları elde etmek için ya deneyin tarayıcınızda açık olması ya da istemde deney adına referans vermeniz gerekir.
Model metrikleri ve içgörüleri
  • Bu deneydeki en iyi model algoritması nedir

  • <deney adı> deneyi bende açık. En iyi modelin metrikleri nelerdir

  • Bu deney için model içgörülerini ve özellik önemini keşfedin

  • <deney adı> deneyi bende açık. Hangi özellikler bu model üzerinde en güçlü etkiye sahiptir?

En iyi sonuçları elde etmek için ya deneyin tarayıcınızda açık olması ya da istemde deney adına referans vermeniz gerekir.

Sohbette modelleri analiz ederken, özellik önemi döküm grafikleri ve doğal dil içgörüleri de dahil olmak üzere ek ayrıntıları genişletmek için Kaynağı görüntüle seçeneğine de tıklayabilirsiniz.

Gömülü grafikler içeren modelleri analiz etmek için Kaynağı görüntüle seçeneğini kullanma

Gömülü grafikler içeren modelleri analiz etmek için Kaynağı Görüntüle'yi kullanma

Adım 4: Dağıtım, etkinleştirme ve tahminler

Eğitimden sonra bir modeli dağıtabilir ve bir ML dağıtımı oluşturabilirsiniz. Bir modeli dağıtmayı talep ettikten sonra, dağıtımı onaylamanız istenir.

Ayrıca, dağıttığınız modelleri kullanarak toplu tahminler çalıştırabilirsiniz. Sistem uyumlu uygulama veri kümelerini arar ve seçmeniz için bunları listeler. Ayrıca belirli bir uygulama veri kümesini seçmek için doğal dil istemlerini kullanabilirsiniz.

Dağıtılan modeller, aboneliğin kullanılabilir kapasitesine bağlı olarak tahminler oluşturuldukça otomatik olarak etkinleştirilir.

Dağıtım ve tahminler için örnek sorular
Eylem Örnek sorular Notlar
Model dağıtımı ve izleme
  • Bu deneme için en iyi modeli dağıtın

  • <deney adı> deneyi bende açık. Dağıtım ayrıntılarını görüntüle

  • Bu deneme için dağıtım durumunu kontrol edin

Doğrudan model analizinin ardından takip soruları olarak kullanışlıdır.

En iyi sonuçları elde etmek için ya deneyin tarayıcınızda açık olması ya da istemde deney adına referans vermeniz gerekir.

Tahminler—isteği başlatın
  • Bu dağıtımla tahminleri çalıştırın

  • <dağıtım adı> dağıtımı ile tahminleri çalıştırın

En iyi sonuçları elde etmek için ya dağıtımın tarayıcınızda açık olması ya da istemde dağıtım adına referans vermeniz gerekir.
Tahminler—bir uygulama veri kümesi seçme
  • Bu dağıtımla yapılan tahminler için uygulama veri kümesi olarak <uygulama veri kümesi adı> kullanın

  • <dağıtım adı> dağıtımı bende açık. <uygulama veri kümesi adı> veri kümesi ile tahminleri çalıştırın

En iyi sonuçları elde etmek için ya dağıtımın tarayıcınızda açık olması ya da istemde dağıtım adına referans vermeniz gerekir.
Tahminler—izleme durumu
  • Bu dağıtım için toplu tahmin durumunu kontrol edin

En iyi sonuçları elde etmek için ya dağıtımın tarayıcınızda açık olması ya da istemde dağıtım adına referans vermeniz gerekir.
Tahminler—tahmin çıktısını keşfedin
  • <dağıtım adı> dağıtımı bende açık. Mevcut tahmin sonuçlarını keşfedin

  • Bu dağıtım için en son tahminlerimi göster

En iyi sonuçları elde etmek için ya dağıtımın tarayıcınızda açık olması ya da istemde dağıtım adına referans vermeniz gerekir.

Soru sormak için en iyi uygulamalar

Qlik Answers içinde Qlik Predict ile çalışırken en iyi sonuçları elde etmek için şu genel yönergeleri izleyin:

  • Nasıl başlayacağınızdan emin değilseniz, Predict'e neler yapabileceğini sorun. Qlik Answers desteklenen yeteneklerin bir listesini sağlayabilir.

  • Konu değiştirirken veya ihtiyacınız olan yanıtı alamıyorsanız yeni bir sohbet başlatın.

  • İstenen yanıtı alamıyorsanız daha fazla ayrıntı vermeyi deneyin ve ne yapmak istediğiniz konusunda net olun. Örneğin, veri kümelerinin ve diğer varlıkların tam adlarını belirtmek, eğitimi başlatırken veya tahminleri çalıştırırken Qlik Answers öğesinin bunları bulmasına daha iyi yardımcı olabilir.

  • İlk başta ihtiyacınız olan yanıtı vermezse sorunuzu yeniden ifade edin.

Daha fazla bilgi için bkz. Qlik Answers ile sohbet etmek için en iyi uygulamalar.

İzinler

Uçtan uca makine öğrenimi iş akışlarını tamamlamak için hem Qlik Answers hem de Qlik Predict izinlerine ihtiyacınız vardır.

Özellikle aşağıdakilere ihtiyacınız var:

Sınırlamalar

Veri setleri

Sohbetten veri kümelerini yükleyemez veya silemezsiniz.

Aşağıdakiler sohbette mümkün değildir:

  • Bir deney sürümünü çalıştırdıktan sonra eğitim veri kümelerini değiştirme.

  • Aynı sohbet içinde farklı uygulama veri kümeleriyle birden fazla tahmin çalıştırma.

Geçici bir çözüm olarak, farklı bir veri kümesi kullanarak deneyleri eğitmeniz veya tahminleri çalıştırmanız gerektiğinde önce yeni bir sohbet başlatın. Deney eğitiyorsanız bu, yeni sohbette yeni bir deney oluşturmayı da gerektirecektir.

Yeni sohbetler başlatma hakkında daha fazla bilgi için bkz. Qlik Answers ile sohbet.

Chat, Qlik Cloud kiracısı için aşağıdaki sınırların herhangi birini aşan veri kümelerini desteklemez:

  • Maksimum veri kümesi boyutu (eğitim veri kümeleri)

  • Maksimum veri kümesi hücre sayısı (eğitim veri kümeleri)

  • Dahil edilen maksimum sütun sayısı (eğitim ve uygulama veri kümeleri)

Deney özellikleri

  • Önyargı algılama desteklenmez.

  • Model eğitim raporlarını analiz etmek veya indirmek mümkün değildir.

  • Deney için yerleşik analizlere (Karşılaştır ve Analiz Et sekmeleri) erişmek mümkün değildir.

  • Deney yapılandırılırken tüm özellikler ve algoritmalar eğitim için seçilir. Özelliklerin veya algoritmaların seçimini kaldıramazsınız. Ayrıca, modelleri eğitmek için her zaman akıllı model optimizasyonu kullanılır—manuel optimizasyon desteklenmez.

  • Bir deneyin ikinci ve sonraki sürümlerini eğitmek mümkün değildir.

Model türleri

Zaman serisi modelleri için kullanılamaz.

Tahmin türleri

Gerçek zamanlı veya bağlayıcı tabanlı tahminler için kullanılamaz.

ML modeli yönetimi

  • Mevcut dağıtılmış bir modeli sohbetten değiştiremezsiniz.

  • Sohbetten farklı deneme sürümlerinden birden fazla model dağıtamazsınız.

  • Dağıtım için gömülü analitiklere (model operasyonları ve sapma izleme) erişmek mümkün değildir.

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 lütfen bize bildirin!