Uczenie maszynowe z Qlik AutoML
Zautomatyzowane uczenie maszynowe znajduje wzorce w danych i używa ich do tworzenia predykcji dotyczących przyszłych danych. Eksperymenty uczenia maszynowego w Analityka Qlik Cloud umożliwiają współpracę z innymi użytkownikami oraz integrację analityki predykcyjnej w aplikacjach Qlik Sense. W celu utworzenia predykcji można też przeprowadzić szczegółową analizę kluczowych cech, które wpływają na przewidywany wynik.
Załaduj dane historyczne z katalogu, rozpocznij zautomatyzowany proces uczenia maszynowego, a następnie wybierz model uczenia maszynowego najlepiej dopasowany do Twojego zastosowania. Wdrażaj modele, aby dokonywać predykcji skutków problemów biznesowych. Poznaj zmienne, które mają wpływ na przewidywany wynik, i uzyskaj dogłębną wiedzę na temat swoich danych.
Zamiast tego deweloperzy mogą zintegrować możliwości Qlik AutoML z własnymi przepływami pracy za pomocą Machine Learning API. Aby zapoznać się z samouczkiem ułatwiającym rozpoczęcie pracy, zobacz Samouczek automatycznego uczenia maszynowego.
Funkcja Qlik AutoML jest dostępna dla klientów używających następujących produktów subskrypcyjnych:
-
Qlik Cloud Analytics Standard, Qlik Cloud Analytics Premium i Enterprise
-
Qlik Talend Cloud Standard, Qlik Talend Cloud Premium i Qlik Talend Cloud Enterprise.
-
Qlik Sense Enterprise SaaS
-
Dodatek Qlik Sense Enterprise SaaS do wersji zarządzanej przez klienta
Qlik Cloud Government nie obsługuje Qlik AutoML.
Podstawy uczenia maszynowego
Przed utworzeniem eksperymentu należy zdefiniować pytanie dotyczące uczenia maszynowego i przygotować zestaw danych. Dowiedz się więcej tutaj.
Tworzenie eksperymentów
Zapoznaj się z omówieniem zautomatyzowanego procesu uczenia maszynowego i zacznij tworzyć eksperymenty.
Interpretacja wydajności modelu
Dowiedz się więcej o wskaźnikach dostępnych do oceny modeli predykcyjnych.
Ulepszanie modeli
Jak możesz ulepszyć swój model predykcyjny? Dowiedz się więcej tutaj.
Praca z wdrożeniami uczenia maszynowego
Dowiedz się więcej o wdrażaniu modeli, dokonywaniu predykcji, korzystaniu z interfejsu API itp.
Przykład — uczenie modeli z automatycznym uczeniem maszynowym
Dowiedz się, jak AutoML upraszcza doskonalenie modeli dzięki inteligentnym funkcjom optymalizacji.
Samouczek — Generowanie i wizualizacja danych predykcyjnych
W tym samouczku pokazano, jak utworzyć i nauczyć eksperyment, wdrożyć model i wygenerować predykcje oraz zwizualizować dane predykcji w aplikacji Qlik Sense.
Filmy o Qlik AutoML
Obejrzyj nasze krótkie filmy, aby rozpocząć pracę z uczeniem maszynowym.