跳到主要內容

Amazon SageMaker

在此頁面

Amazon SageMaker

Amazon SageMaker 是一個機器學習平台,用於自動化、確保和加速預測分析,幫助資料科學家和分析師建置和部署準確的預測模型。

要連線到 Amazon SageMaker,您必須已建立模型或有權存取模型,並將其部署到 AWS 平台上的端點。此端點必須可由 Qlik Cloud 公開存取。

https://aws.amazon.com/pm/sagemaker.

限制

  • Amazon Comprehend 具有端點配額:

    https://docs.aws.amazon.com/general/latest/gr/sagemaker.html.

  • AWS 提供在執行個體類型上部署模型,例如中型和大型執行個體類型。Amazon 服務上的可用資源會影響和限制 Qlik Sense 重新載入和圖表回應的效能。

  • Qlik SenseAmazon SageMaker 傳送資料時,它是以沒有標題列的 CSV 格式除送。這表示欄位必須完全依照 Amazon SageMaker 端點所需的順序傳送。您必須依照產生模型時的順序指定欄位。

  • Amazon SageMaker 連接器限制為每個請求 200k 列。這些請求以 2k 列為一組傳送到端點服務。在需要處理更多列的狀況下,使用資料載入指令碼中的 Loop 來批次處理更多列。

  • 在定期重新載入應用程式的情況下,最佳做法是使用 QVD 檔案快取預測,並且只將新列傳送到預測端點。這將提升 Qlik Sense 應用程式重新載入的效能,並減少 Amazon SageMaker 端點上的負載。

  • 在圖表運算式中使用 Amazon SageMaker 時,提供欄位的資料類型相當重要,因為模型需要以正確的字串/數字格式處理這些資料類型。圖表運算式中伺服器端擴充有一個限制,也就是資料類型不會像在載入指令碼中那樣自動偵測。

  • 如果您使用的是相對連線名稱,並且您決定將應用程市式從一個共用空間移動到另一個共用空間,或者您將應用程式從一個共用空間移動到您的私人空間,則更新分析連線以反映新的空間位置需要一些時間。