Usando vários modelos em sua implementação de ML

Você pode implementar vários modelos na sua implementação de ML, incluindo modelos de diferentes experimentos. Depois de implementar modelos de experimentos, use o painel Modelos implementáveis na implementação de ML para configurar fluxos de trabalho de previsão dinâmica. Ao gerar previsões, o modelo que você está usando é referenciado como um alias. Esse sistema de aliases permite que você substitua modelos ao longo do tempo sem precisar criar uma nova implementação de ML e também facilita testes comparativos de desempenho do modelo em dados de produção.

Os aliases de modelo são usados em fluxos de trabalho de previsão em lote e em tempo real. Para obter informações, consulte:

• Configurando aliases de modelos para previsões em lote

• Trabalhando com aliases de modelo em previsões em tempo real

O que são aliases de modelo?

Cada modelo que você adiciona à implementação de ML é referenciado como um alias de modelo. Um alias é um contêiner dinâmico em sua implementação de ML que direciona o Qlik Predictpara executar previsões com um modelo na implementação. No alias, os modelos podem ser alterados para permitir a fácil substituição de modelos desatualizados. Um modelo pode ser adicionado por alias de modelo. Os aliases permitem que você altere facilmente modelos em um fluxo de trabalho de geração de previsões sem a necessidade de editar configurações de previsões, criar uma nova implementação de ML ou atualizar chamadas de API.

Toda implementação de ML tem um alias padrão. O alias padrão não pode ser excluído ou renomeado, mas você pode alterar facilmente o modelo a ser usado para gerar previsões com ele. Se você não especificar um alias a ser usado nas previsões da implementação de ML, será usado o alias padrão.

Você pode adicionar até 10 aliases em uma implementação de ML, incluindo o alias padrão.

Casos de uso para aliases de modelo

• Substituindo modelos desatualizados por modelos retreinados ao longo do tempo sem exigir atualizações em configurações de previsão ou chamadas de API.

• Testando e comparando o desempenho de diferentes modelos nos mesmos dados de produção sem precisar criar várias implementações de ML.

• Usando uma única implementação para gerar previsões de diferentes modelos, dependendo de condições específicas.

Considerações sobre a implementação de modelos em implementações de ML

Ao adicionar modelos a uma implementação de ML, os modelos podem ser de diferentes experimentos de ML, que podem estar em espaços diferentes no Qlik Cloud Analytics. Considere o seguinte:

• Para adicionar um modelo a uma implementação de ML, o modelo precisa ter o mesmo tipo de experimento (classificação binária, classificação multiclasse ou regressão) que o modelo no alias padrão.

• Se o esquema do modelo e os dados de aplicação não forem compatíveis, as previsões (em lote, em tempo real, API direta ou baseadas em conector) não poderão ser executadas com êxito.

• Há requisitos de permissões para os usuários que adicionam modelos às implementações, bem como para trabalhar com aliases de modelo (por exemplo, adicionar, renomear e excluir aliases). Para obter mais informações, consulte Permissões.

Trabalhando com aliases

Você trabalha com aliases no painel Modelos implementáveis na implementação de ML. O painel Modelos implementáveis recorre a uma interface intuitiva de arrastar e soltar para a atribuição de modelos.

Quando você terminar de fazer alterações nos Modelos implementáveis, clique em Salvar alterações no canto superior direito da interface.

A adição de novos aliases é opcional. Se você não precisar trabalhar com vários aliases, poderá trabalhar apenas com o alias padrão e alternar entre modelos usando apenas esse alias.

Iniciando

Antes de poder atribuir modelos a aliases, você precisa implementar todos os modelos necessários na implementação de ML. Este processo é realizado no experimento de ML em que cada modelo foi treinado. Para obter informações, consulte Implementando modelos.

Adicionando um alias

Primeiro, crie um alias em branco.

Faça o seguinte:

1. Na implementação de ML, abra o painel Modelos implementáveis.

2. Em Modelos disponíveis, clique em Adicionar alias.

3. Clique em Salvar alterações no canto superior direito da interface.

Como alternativa, clique em ao lado de um modelo em Todos os modelos na implementação e selecione Adicionar ao novo alias.

Atribuindo um modelo a um alias (incluindo o alias padrão)

Depois de adicionar o alias, você precisa atribuir um modelo a ele. Você também pode atribuir um modelo diferente ao alias padrão usando esse fluxo de trabalho.

Faça o seguinte:

1. Em Todos os modelos na implementação, localize o modelo que você deseja atribuir ao alias.

2. Ao lado do Nome do modelo, arraste o modelo para o alias.

   Como alternativa, clique em ao lado do modelo e selecione Adicionar a <nome do alias> ou Trocar para alias padrão para substituir o modelo atribuído ao alias padrão.

3. Clique em Salvar alterações no canto superior direito da interface.

Renomeando e excluindo aliases

Você pode renomear e excluir qualquer alias, exceto o alias padrão.

Faça o seguinte:

1. Na implementação de ML, abra o painel Modelos implementáveis.

2. Clique em ao lado do alias do modelo e selecione Renomear ou Excluir.

3. Clique em Salvar alterações no canto superior direito da interface.

Permissões

Esta seção descreve as permissões de que você precisa para realizar ações relacionadas à implementação de modelos e aliases.

Para obter mais informações sobre permissões do Qlik Predict, consulte Quem pode trabalhar com o Qlik Predict.

Implementando e removendo modelos de uma implementação do ML

Trabalhando com aliases de modelo

O trabalho com aliases de modelo envolve a criação, exclusão e renomeação de aliases. Para realizar essas ações, você precisa:

• Direito de usuário Professional ou Full User

• Função de segurança Automl Experiment Contributor

• Função de espaço necessária no espaço da implementação de ML

  • Para implementações em espaços compartilhados, um dos seguintes:

    • Proprietário (do espaço)

    • Pode gerenciar

    • Pode editar

  • Para implementações em espaços gerenciados, um dos seguintes:

    • Proprietário (do espaço)

    • Pode gerenciar