Predictive Intelligence installieren

  • Freigeben Version: Washingtondc
  • Aktualisiert 1. Februar 2024
  • 2 Minuten Lesedauer
  • Aktivieren Sie Predictive Intelligence in Ihrer Instanz, und beginnen Sie mit der Basiskonfiguration.

    Vorbereitungen

    Erforderliche Rolle: admin

    Warum und wann dieser Vorgang ausgeführt wird

    Wenn Sie das Plugin Predictive Intelligence zum ersten Mal in Ihrer Instanz aktivieren, startet das System eine Homepage. Diese Homepage enthält eine Zusammenfassung der Frameworks für Klassifizierungs-, Ähnlichkeits-, Clustering- und Regressionslösungen. Sie können Lösungen direkt auf der Seite erstellen, trainieren und testen, damit Sie die grundlegende Funktionsweise einer ML-Lösung (maschinelles Lernen) schnell verstehen. Eine Zusammenfassung der neuesten trainierten Lösung ist ebenfalls verfügbar.

    Prozedur

    1. Navigieren Sie zu Systemdefinition > Plugins.
    2. Verwenden Sie die Suchleiste, um das Plugin Predictive Intelligence Reports (com.glide.platform_ml_pa) und das abhängige Plugin Predictive Intelligence (com.glide.platform_ml) zu suchen.
    3. Wählen Sie Installieren und dann im Dialogfeld „Plugin aktivieren“ die Option Aktivierenaus.
      Wenn Sie das erste Plugin aktivieren, wird das von ihm abhängige Plugin automatisch aktiviert.
    4. Vergewissern Sie sich, dass der Benutzer sharedservice.worker bei der Aktivierung erfolgreich erstellt wurde.
      Die beiden Predictive Intelligence -Plugins verwenden diesen Benutzer zum Trainieren Ihrer ML-Lösungen.
      Hinweis:
      Der Benutzer „sharedservice.worker“ umfasst die folgenden Rollen:
      • platform_ml_read
      • platform_ml_write
      • platform_ml_create
      Diese Rollen sind erforderlich, um Lösungen zu erstellen, zu trainieren und anzuzeigen. Diese Rollen sind intern und dürfen nicht bearbeitet oder anderen Benutzern zugewiesen werden.

    Predictive Intelligence implementieren

    Implementieren Sie die ersten Setup- und Konfigurationsschritte für Predictive Intelligence, um einen ML-Algorithmus (maschinelles Lernen) zu trainieren, um Vorhersagen basierend auf Ihren vergangenen Datensatzdaten zu treffen.

    Vorbereitungen

    Erforderliche Rolle: admin oder ml_admin

    Warum und wann dieser Vorgang ausgeführt wird

    Der Trainingsvorgang erfordert das Senden von Daten aus Datensätzen an einen Trainingsservice im nächstgelegenen Rechenzentrum. Da jedes Rechenzentrum über einen eigenen dedizierten Schulungsserver verfügt und die Daten das Rechenzentrum nicht verlassen, ist dieser Service auch für Kunden verfügbar, die Anforderungen an die Datenhoheit haben. Weitere Informationen zu diesem Prozess finden Sie unter Erkunden Sie Predictive Intelligence.

    Häufig gestellte Fragen zur Erstkonfiguration und Einrichtung von finden Sie unter KB0781894.

    Prozedur

    1. Aktivieren Sie Predictive Intelligence auf einer Nicht-Produktionsinstanz.
    2. Exportieren Sie aus Ihrer Produktionsinstanz die Datensätze, die Ihre Predictive Intelligence-Lösungen verarbeiten sollen.
      Exportieren Sie beispielsweise Incident-Datensätze von 12 Monaten in eine Nicht-Produktionsinstanz.
    3. Importieren Sie in der Nicht-Produktionsinstanz die exportierten Datensätze.
    4. Überprüfen Sie in der Nicht-Produktionsinstanz die standardmäßigen Lösungsdefinitions-Datensätze, um festzustellen, ob der Filter, die Eingabefelder und das Ausgabefeld ausreichen, um Ihre Incident- oder Aufgabendatensätze vorherzusagen.
      Wenn erforderlich, erstellen Sie eine Lösungsdefinition für jeden Datensatz, den Sie vorhersagen möchten. Weitere Informationen finden Sie unter Klassifizierungslösung erstellen und trainieren.
    5. Trainieren Sie in der Nicht-Produktionsinstanz die Lösungsdefinitionsdatensätze.
    6. Testen Sie die Lösungsvorhersagen, indem Sie entweder Testdatensätze erstellen oder weitere Datensätze aus der Produktion importieren.
    7. Bei Klassifizierungslösungen sollten Sie die Vorhersageberichte überprüfen, um die Genauigkeit und Abdeckung Ihrer Lösung und der einzelnen Klassen zu ermitteln.
    8. Bei Ähnlichkeitslösungen sollten Sie die Ähnlichkeitsbeispiele überprüfen, um gegebenenfalls den Schwellenwert für die Ähnlichkeitspunktzahl zu aktualisieren.
    9. Aktualisieren Sie ggf. den Lösungsdefinitionsfilter, um mehr oder andere Trainingsdatensätze einzubeziehen.
    10. Trainieren und testen Sie alle aktualisierten Lösungsdefinitions-Datensätze erneut.
    11. Wenn Sie mit Ihren Lösungen zufrieden sind, aktivieren Sie Predictive Intelligence in Ihrer Produktionsinstanz.
    12. Erstellen Sie alle benutzerdefinierten Lösungsdefinitions-Datensätze neu, und trainieren Sie die Lösung, oder importieren Sie die Lösung aus ihrer Nicht-Produktionsinstanz in Ihre Produktionsinstanz.