Praca z predykcjami uczenia maszynowego
Po wdrożeniu modelu uczenia maszynowego możesz go używać do tworzenia predykcji. Predykcje te można wykorzystywać do podejmowania efektywniejszych i bardziej świadomych decyzji na podstawie danych.
Można tworzyć i edytować wdrożenia uczenia maszynowego oraz generować predykcje w przestrzeni prywatnej lub udostępnionej. Można również publikować wdrożenia uczenia maszynowego w przestrzeniach zarządzanych i generować predykcje. Dostęp do wdrożeń uczenia maszynowego jest kontrolowany za pośrednictwem przestrzeni. Więcej informacji o przestrzeniach zawiera temat Praca w przestrzeniach.
Wdrożenia uczenia maszynowego można tworzyć w przestrzeniach osobistych, udostępnionych i zarządzanych. Dane predykcji wygenerowane z wdrożenia uczenia maszynowego mogą być przechowywane w przestrzeni prywatnej, udostępnionej lub zarządzanej.
Wymagania i uprawnienia
W tej sekcji wymieniono wymagania względem użytkownika dotyczące pracy z wdrożeniami uczenia maszynowego oraz predykcji, których można dokonywać za ich pomocą.
Wdrożenia uczenia maszynowego
Do pracy z wdrożeniami uczenia maszynowego są potrzebne:
-
Uprawnienie profesjonalne lub Full User
-
Przeglądanie i tworzenie wdrożeń uczenia maszynowego: Rola bezpieczeństwa Automl Deployment Contributor lub Automl Experiment Contributor
-
Edytowanie i usuwanie wdrożeń uczenia maszynowego: Rola związana z zabezpieczeniami Automl Deployment Contributor
Wymagana rola w przestrzeni, w której zlokalizowane jest wdrożenie uczenia maszynowego.
Więcej informacji zawiera temat:
Predykcje
Do tworzenia, edytowania i usuwania konfiguracji predykcji są potrzebne:
-
Uprawnienie profesjonalne lub Full User
-
Rola związana z zabezpieczeniami Automl Deployment Contributor
-
Wymagana rola w przestrzeni, w której zlokalizowane jest wdrożenie uczenia maszynowego.
Predykcje można uruchamiać jako predykcje wsadowe (z konfiguracji predykcji) lub predykcje w czasie rzeczywistym. Predykcje można także uruchamiać za pomocą łącznika Qlik AutoML.
Aby uruchomić predykcje przy użyciu dowolnej z tych metod, są potrzebne:
-
Rola związana z zabezpieczeniami Automl Deployment Contributor
-
Wymagana rola w przestrzeni, w której zlokalizowane jest wdrożenie uczenia maszynowego:
-
Przestrzenie udostępnione: użytkownicy mający Uprawnienie profesjonalne lub Full User potrzebują roli Właściciel, Może zarządzać, Może edytować lub Może korzystać z danych w tej przestrzeni. Użytkownicy mający Uprawnienie Analityk potrzebują roli Właściciel lub Może korzystać z danych w tej przestrzeni.
-
Przestrzenie zarządzane: użytkownicy mający Uprawnienie profesjonalne lub Full User potrzebują roli Właściciel, Może zarządzać lub Może korzystać z danych w przestrzeni. Użytkownicy mający Uprawnienie Analityk potrzebują roli Właściciel lub Może korzystać z danych w tej przestrzeni.
-
-
W przypadku zaplanowanych predykcji skonfigurowanych przy użyciu interfejsu użytkownika AutoML istnieją również wymagania dotyczące właściciela konfiguracji predykcji. Zob.: Własność konfiguracji predykcji
Prognozy generowane z interfejsu użytkownika Qlik AutoML są tworzone jako zestawy danych. W związku z tym te same wymagania dotyczące pracy ze źródłami danych w Qlik Cloud dotyczą pracy z wynikami tej predykcji (np. używanie ich w aplikacji Qlik Sense). Aby tworzyć zestawy danych w swojej przestrzeni prywatnej, musisz mieć rolę Private Analytics Content Creator.
Więcej informacji zawiera temat:
Przepływ pracy
Poniższe kroki stanowią przykład pracy z wdrożeniami i predykcjami uczenia maszynowego.
- Wdrażanie modelu
Wdróż model, którego chcesz użyć do tworzenia predykcji.
- Dokonywanie predykcji
Dokonuj ręcznych lub zaplanowanych predykcji na zestawach danych lub korzystaj z interfejsu API predykcji.
- Wizualizacja wniosków predykcyjnych
Załaduj wygenerowane dane predykcyjne do aplikacji i utwórz wizualizacje.
- Eksploruj dane za pomocą scenariuszy typu „co by było, gdyby”.
Zintegruj interfejs API predykcji z aplikacją, aby otrzymywać predykcje w czasie rzeczywistym. Pozwala to wypróbowywać scenariusze „co by było, gdyby” przez zmianę wartości cech i uzyskiwanie przewidywanych wyników dla nowych wartości. Rekord jest przekazywany do wdrożenia uczenia maszynowego przez API, a odpowiedź odbiera się w czasie rzeczywistym. Na przykład, co stałoby się z ryzykiem odpływu klientów, gdybyśmy zmienili typ planu lub zwiększyli opłatę podstawową?
- Podejmowanie działania
Analizuj predykcyjne wnioski i scenariusze, aby się dowiedzieć, jakie należy podjąć działania. Automatyzacja aplikacji Qlik pomaga zautomatyzować działania i zapewnia szablony do przypadków zastosowania uczenia maszynowego. Więcej informacji na temat automatyzacji zawiera temat Automatyzacja aplikacji Qlik. (tylko w języku angielskim)