Importieren eines gepackten Rezepts in die Data Science Workspace-Benutzeroberfläche

Dieses Tutorial bietet Einblicke in das Konfigurieren und Importieren eines gepackten Rezepts mit dem bereitgestellten Beispiel für Einzelhandelsumsätze. Am Ende dieses Tutorials sind Sie bereit, ein Modell in Adobe Experience Platform Data Science Workspace zu erstellen, zu trainieren und auszuwerten.

Voraussetzungen

Für dieses Tutorial ist ein gepacktes Rezept in Form einer Docker-Bild-URL erforderlich. Weiterführende Informationen finden Sie im Tutorial zum Verpacken von Quelldateien in einem Rezept.

Workflow in der Benutzeroberfläche

Das Importieren eines gepackten Rezepts in Data Science Workspace erfordert spezifische Rezepturkonfigurationen, die in eine einzige JavaScript Object Notation (JSON)-Datei kompiliert werden. Diese Kompilierung von Rezepturkonfigurationen wird als Konfigurationsdatei bezeichnet. Ein gepacktes Rezept mit einem bestimmten Satz von Konfigurationen wird als Rezeptinstanz bezeichnet. Ein Rezept kann verwendet werden, um viele Rezeptinstanzen in Data Science Workspace zu erstellen.

Der Workflow zum Importieren eines gepackten Rezepts umfasst folgende Schritte:

Konfigurieren eines Rezepts configure

Jeder Rezeptinstanz in Data Science Workspace wird eine Reihe von Konfigurationen hinzugefügt, die die Rezeptinstanz an einen bestimmten Anwendungsfall anpassen. Konfigurationsdateien definieren das standardmäßige Trainings- und Scoring-Verhalten eines mit dieser Rezeptinstanz erstellten Modells.

Im Folgenden finden Sie eine Beispielkonfigurationsdatei mit standardmäßigem Trainings- und Scoring-Verhalten für das Rezept „Einzelhandelsumsätze“.

[
    {
        "name": "train",
        "parameters": [
            {
                "key": "learning_rate",
                "value": "0.1"
            },
            {
                "key": "n_estimators",
                "value": "100"
            },
            {
                "key": "max_depth",
                "value": "3"
            },
            {
                "key": "ACP_DSW_INPUT_FEATURES",
                "value": "date,store,storeType,storeSize,temperature,regionalFuelPrice,markdown,cpi,unemployment,isHoliday"
            },
            {
                "key": "ACP_DSW_TARGET_FEATURES",
                "value": "weeklySales"
            },
            {
                "key": "ACP_DSW_FEATURE_UPDATE_SUPPORT",
                "value": false
            },
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key": "ACP_DSW_TRAINING_XDM_SCHEMA",
                "value": "{SEE BELOW FOR DETAILS}"
            },
            {
                "key": "evaluation.labelColumn",
                "value": "weeklySalesAhead"
            },
            {
                "key": "evaluation.metrics",
                "value": "MAPE,MAE,RMSE,MASE"
            }
        ]
    },
    {
        "name": "score",
        "parameters": [
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key":"ACP_DSW_SCORING_RESULTS_XDM_SCHEMA",
                "value":"{SEE BELOW FOR DETAILS}"
            }
        ]
    }
]

Für die Zwecke dieses Tutorials können Sie die Standardkonfigurationsdateien für das Rezept „Einzelhandel“ in der Data Science Workspace-Referenz unverändert lassen.

Docker-basiertes Rezept importieren - Python python

Navigieren Sie zunächst zu und wählen Sie oben links in der Workflows-Benutzeroberfläche Experience Platform aus. Wählen Sie als Nächstes Rezept importieren und wählen Sie Launch.

Die Konfigurieren für den Workflow Rezept importieren wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann Next in der oberen rechten Ecke.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL entsprechend dem gepackten Rezept, das mit Python Quelldateien erstellt wurde, in das Feld Source URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/python/retail/retail.config.json. Wählen Sie Python in der Laufzeit Dropdown-Liste und Classification in der Typ Dropdown. Nachdem alles ausgefüllt wurde, wählen Sie oben rechts die Option Next aus, um mit Schemata verwalten fortzufahren.

Wählen Sie als Nächstes die Ein- und Ausgabeschemata für den Einzelhandel unter dem Abschnitt Schemata verwalten aus. Sie wurden mithilfe des bereitgestellten Bootstrap-Skripts im Tutorial Erstellen des Schemas und Datensatzes für den Einzelhandel erstellt.

Wählen Sie im Abschnitt Feature Management im Schema-Viewer Ihre Mandanten-ID aus, um das Eingabeschema für Einzelhandelsumsätze zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie das gewünschte Merkmal markieren und im rechten Input Feature entweder Target Feature oder Field Properties auswählen. Legen Sie für dieses Tutorial weeklySales als Target Feature und alles andere als Input Feature fest. Wählen Sie Next aus, um Ihr neu konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Finish aus, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie Sie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für Einzelhandelsumsätze erstellen.

Docker-basiertes Rezept importieren - R r

Navigieren Sie zunächst zu und wählen Sie oben links in der Workflows-Benutzeroberfläche Experience Platform aus. Wählen Sie als Nächstes Rezept importieren und wählen Sie Launch.

Die Konfigurieren für den Workflow Rezept importieren wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann Next in der oberen rechten Ecke.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL, die dem gepackten Rezept entspricht, das mit den R-Quelldateien erstellt wurde, in das Feld Source URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. Wählen Sie R in der Laufzeit Dropdown-Liste und Classification in der Typ Dropdown. Nachdem alles ausgefüllt wurde, wählen Sie oben rechts die Option Next aus, um mit Schemata verwalten fortzufahren.

Wählen Sie als Nächstes die Ein- und Ausgabeschemata für den Einzelhandel unter dem Abschnitt Schemata verwalten aus. Sie wurden mithilfe des bereitgestellten Bootstrap-Skripts im Tutorial Erstellen des Schemas und Datensatzes für den Einzelhandel erstellt.

Wählen Sie im Abschnitt Feature Management im Schema-Viewer Ihre Mandanten-ID aus, um das Eingabeschema für Einzelhandelsumsätze zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie das gewünschte Merkmal markieren und im rechten Input Feature entweder Target Feature oder Field Properties auswählen. Legen Sie für dieses Tutorial weeklySales als Target Feature und alles andere als Input Feature fest. Wählen Sie Next aus, um Ihr neues konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Beenden, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie Sie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für Einzelhandelsumsätze erstellen.

Docker-basiertes Rezept importieren - PySpark pyspark

Navigieren Sie zunächst zu und wählen Sie oben links in der Workflows-Benutzeroberfläche Experience Platform aus. Wählen Sie als Nächstes Rezept importieren und wählen Sie Launch.

Die Konfigurieren für den Workflow Rezept importieren wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann oben rechts Next aus, um fortzufahren.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL entsprechend dem gepackten Rezept, das mit PySpark-Quelldateien erstellt wurde, in das Feld Source URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. Wählen Sie PySpark in Dropdown-Liste Laufzeit“ aus. Sobald die PySpark-Laufzeit ausgewählt ist, wird das Standard-Artefakt automatisch mit Docker ausgefüllt. Wählen Sie als Nächstes Classification in der Dropdown Typ aus. Nachdem alles ausgefüllt wurde, wählen Sie oben rechts die Option Next aus, um mit Schemata verwalten fortzufahren.

Wählen Sie als Nächstes die Ein- und Ausgabeschemata für den Einzelhandel mit der Auswahl Schemata verwalten aus. Die Schemata wurden mithilfe des bereitgestellten Bootstrap-Skripts im Tutorial Erstellen des Schemas und Datensatzes für den Einzelhandel erstellt.

Wählen Sie im Abschnitt Feature Management im Schema-Viewer Ihre Mandanten-ID aus, um das Eingabeschema für Einzelhandelsumsätze zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie das gewünschte Merkmal markieren und im rechten Input Feature entweder Target Feature oder Field Properties auswählen. Legen Sie für dieses Tutorial weeklySales als Target Feature und alles andere als Input Feature fest. Wählen Sie Next aus, um Ihr neu konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Finish aus, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie Sie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für Einzelhandelsumsätze erstellen.

Docker-basiertes Rezept importieren - Scala scala

Navigieren Sie zunächst zu und wählen Sie oben links in der Workflows-Benutzeroberfläche Experience Platform aus. Wählen Sie als Nächstes Rezept importieren und wählen Sie Launch.

Die Konfigurieren für den Workflow Rezept importieren wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann oben rechts Next aus, um fortzufahren.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL, die dem gepackten Rezept entspricht, das mit Scala-Quelldateien erstellt wurde, in das Feld Source-URL ein. Importieren Sie als Nächstes die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder verwenden Sie den Dateisystem-Browser. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. Wählen Sie Spark in Dropdown-Liste Laufzeit“ aus. Sobald die Spark-Laufzeit ausgewählt ist, wird das Standard-Artefakt automatisch mit Docker ausgefüllt. Wählen Sie als Nächstes Regression aus der Dropdown Typ aus. Nachdem alles ausgefüllt wurde, wählen Sie oben rechts die Option Next aus, um mit Schemata verwalten fortzufahren.

Wählen Sie als Nächstes die Ein- und Ausgabeschemata für den Einzelhandel mit der Auswahl Schemata verwalten aus. Die Schemata wurden mithilfe des bereitgestellten Bootstrap-Skripts im Tutorial Erstellen des Schemas und Datensatzes für den Einzelhandel erstellt.

Wählen Sie im Abschnitt Feature Management im Schema-Viewer Ihre Mandanten-ID aus, um das Eingabeschema für Einzelhandelsumsätze zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie das gewünschte Merkmal markieren und im rechten Input Feature entweder Target Feature oder Field Properties auswählen. Legen Sie für dieses Tutorial "weeklySales" als Target Feature und alles andere als Input Feature fest. Wählen Sie Next aus, um Ihr neu konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Finish aus, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie Sie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für Einzelhandelsumsätze erstellen.

Nächste Schritte next-steps

In diesem Tutorial wurde insight über das Konfigurieren und Importieren eines Rezepts in Data Science Workspace informiert. Jetzt können Sie mit dem neu erstellten Rezept ein Modell erstellen, trainieren und auswerten.