Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Cómo trabajar con Amazon Quick Sight Topics | | | --- | |  Se aplica a: Enterprise Edition  | | | | --- | |    Público objetivo: administradores y autores de Amazon Quick  | Los *temas* son colecciones de uno o más conjuntos de datos que representan un área temática sobre la que los usuarios de su empresa pueden hacer preguntas. Con la preparación automática de datos de Quick Sight, recibirá ML-powered ayuda para crear un tema que sea relevante para sus usuarios finales. El primer proceso comienza con la selección y clasificación automatizadas de campos, algo como esto: + La preparación automática de datos selecciona una pequeña cantidad de campos para incluirlos de forma predeterminada a fin de crear un espacio de datos específico que los lectores puedan explorar. + La preparación automática de datos selecciona los campos que se utilizan en otros activos, como informes y paneles. + La preparación automática de datos también importa cualquier campo adicional de cualquier análisis relacionado en el que un tema esté activado. + Identifica fechas, dimensiones y medidas para aprender cómo se pueden usar los campos en las respuestas. Este conjunto automático de campos ayuda al autor a empezar rápidamente con el análisis del lenguaje natural. Los autores siempre pueden excluir campos o incluir campos adicionales, según sea necesario, mediante la opción **Incluir**. A continuación, la preparación automática de datos continúa con el proceso etiquetando automáticamente los campos e identificando los sinónimos. La preparación automática de datos actualiza los nombres de los campos con nombres descriptivos y sinónimos utilizando términos comunes. Por ejemplo, se puede cambiar el nombre de un campo `SLS_PERSON` por `Sales person` y asignarle sinónimos, como `salesman`, `saleswoman`, agente y `sales representative`. Aunque puedes dejar que la preparación automática de datos se encargue de gran parte del trabajo, vale la pena revisar los campos, los nombres y los sinónimos para personalizarlos aún más para los usuarios finales. Por ejemplo, si los usuarios se refieren a un vendedor como “representante” o “distribuidor” en una conversación informal, usted apoya este término añadiendo `rep` y `dealer` a los sinónimos de `SLS_PERSON`. Por último, la preparación automática de datos detecta el tipo semántico de cada campo, tomando muestras de sus datos y examinando los formatos que el autor les ha aplicado durante el análisis. La preparación automática de datos actualiza automáticamente la configuración del campo y establece los formatos de los valores utilizados en cada campo. Por lo tanto, las respuestas a las preguntas se proporcionan en los formatos esperados para fechas, monedas, identificadores, booleanos, personas, etc. Para obtener más información sobre cómo trabajar con temas, continúe con las siguientes secciones de este capítulo. **Topics** + [Navegación por temas](navigating-topics.md) + [Creación de temas de Quick Sight](topics-create.md) + [Espacio de trabajo de temas](topics-interface.md) + [Trabajar con conjuntos de datos en un tema de vista rápida](topics-data.md) + [Hacer que los temas de Quick Sight sean compatibles con el lenguaje natural](topics-natural-language.md) + [Compartir temas de Quick Sight](topics-sharing.md) + [Administrar los permisos de temas de Amazon Quick Sight](topics-sharing-permissions.md) + [Revisión del rendimiento y los comentarios de los temas de Quick Sight](topics-performance.md) + [Actualización de los índices de temas de Quick Sight](topics-index.md) + [Trabaje con temas de Quick Sight mediante las API de Amazon Quick Sight](topics-cli.md)