Ir para conteúdo principal Pular para conteúdo complementar

Trabalhando com previsões de ML

Depois de implementar seu modelo de aprendizado de máquina, você pode usar o modelo para criar previsões. Essas previsões podem ser usadas para tomar decisões mais eficientes e informadas com base em seus dados.

Você pode criar e editar implementações de ML e gerar previsões em espaços pessoais ou compartilhados. Você também pode publicar implementações de ML em espaços gerenciados e gerar previsões. O acesso às implementações de ML é controlado por meio do espaço. Para obter mais informações sobre espaços, consulte Trabalhando em espaços.

As implementações de ML podem ser criadas em espaços pessoais, compartilhados e gerenciados. Os dados de previsão gerados a partir de uma implementação de ML podem ser armazenados em um espaço pessoal, compartilhado ou gerenciado.

Requisitos e permissões

Esta seção lista os requisitos do usuário para trabalhar com implementações de ML e as previsões que você faz com elas.

Implementações de ML

Para trabalhar com implementações de ML, você precisa de:

  • Direito de usuário Professional ou Full User

  • Visualizar e criar implementações de ML: Função de segurança Automl Deployment Contributor ou Automl Experiment Contributor

  • Editar e excluir implementações de ML: Função de segurança Automl Deployment Contributor

  • Função necessária no espaço onde a implementação de ML está localizada.

Para obter mais informações, consulte:

Previsões

Para criar, editar e excluir configurações de previsão, você precisa de:

  • Direito de usuário Professional ou Full User

  • Função de segurança Automl Deployment Contributor

  • Função necessária no espaço onde a implementação de ML está localizada.

As previsões podem ser executadas como previsões em lote (de uma configuração de previsão) ou previsões em tempo real. Você também pode usar o conector do Qlik AutoML para executar previsões.

Para executar previsões usando qualquer um desses métodos, você precisa:

  • Função de segurança Automl Deployment Contributor

  • Função necessária no espaço onde a implementação de ML está localizada:

    • Espaços compartilhados: usuários com o direito Direito de usuário Professional ou Full User precisam da função Proprietário, Pode gerenciar, Pode editar ou Pode consumir no espaço. Usuários com o direito Direito Analyzer precisam da função Proprietário ou Pode consumir dados no espaço.

    • Espaços gerenciados: usuários com o direito Direito de usuário Professional ou Full User precisam da função Proprietário, Pode gerenciar ou Pode consumir dados no espaço. Usuários com o direito Direito Analyzer precisam da função Proprietário ou Pode consumir dados no espaço.

  • Para previsões programadas configuradas com a interface do usuário do AutoML, também há requisitos para o proprietário da configuração de previsão. Consulte: Propriedade da configuração de previsão

As previsões geradas na interface do usuário do Qlik AutoML são criadas como conjuntos de dados. Portanto, os mesmos requisitos para trabalhar com fontes de dados no Qlik Cloud aplicam-se ao trabalho com esta saída de previsão (como usá-la em um aplicativo Qlik Sense). Você deve ter a função de Private Analytics Content Creator para criar conjuntos de dados em seu espaço pessoal.

Para obter mais informações, consulte:

Fluxo de trabalho

As etapas a seguir são um exemplo de como trabalhar com implementações e previsões de ML.

  1. Implemente seu modelo

    Implemente o modelo que deseja usar para fazer previsões.

    Implementando modelos

  2. Fazer previsões

    Faça previsões manuais ou programadas em conjuntos de dados ou use a API de previsão.

    Criando previsões sobre conjuntos de dados

  3. Visualize os insights preditivos

    Carregue os dados de previsão gerados em um aplicativo e crie visualizações.

    Visualizando valores SHAP em aplicativos Qlik Sense

  4. Explore os dados com cenários hipotéticos

    Integre a API de previsão em um aplicativo para obter previsões em tempo real. Isso permite que você experimente cenários hipotéticos alterando os valores dos recursos e obtendo resultados previstos para os novos valores. O registro é passado para a implementação de ML via API e uma resposta é recebida em tempo real. Por exemplo, o que aconteceria com o risco de desistência de clientes se mudássemos o tipo de plano ou aumentássemos a tarifa base?

  5. Tomar uma medida

    Analise os insights e cenários preditivos para descobrir quais ações tomar. O Qlik Application Automation ajuda a automatizar as ações e fornece modelos específicos para casos de uso de aprendizado de máquina. Para obter mais informações sobre automações, consulte Qlik Application Automation (somente em inglês).

Saiba mais

Esta página ajudou?

Se você encontrar algum problema com esta página ou seu conteúdo - um erro de digitação, uma etapa ausente ou um erro técnico - informe-nos como podemos melhorar!