Planen eines Modells in der Data Science Workspace-Benutzeroberfläche

Letzte Aktualisierung: 31. Dezember 2024

Erstellt für:

  • Benutzende
  • Entwickler
NOTE
Data Science Workspace ist nicht mehr erhältlich.
Diese Dokumentation richtet sich an Bestandskunden mit vorherigen Berechtigungen für Data Science Workspace.

Mit Adobe Experience Platform Data Science Workspace können Sie geplante Scoring- und Trainings-Läufe in einem maschinellen Lerndienst einrichten. Die Automatisierung des Trainings- und Bewertungsprozesses kann dazu beitragen, die Effizienz eines Service im Laufe der Zeit zu erhalten und zu verbessern, indem Muster in Ihren Daten beibehalten werden.

Dieses Tutorial führt Sie durch die Schritte, die Sie zum Konfigurieren von Trainings- und Scoring-Zeitplänen für einen vorhandenen Service über die Dienstgalerie ausführen müssen. Es ist in die folgenden Hauptabschnitte unterteilt:

Erste Schritte

Um dieses Tutorial abzuschließen, benötigen Sie Zugriff auf Experience Platform. Wenn Sie in Experience Platform keinen Zugriff auf eine Organisation haben, wenden Sie sich an Ihren Systemadministrator, bevor Sie fortfahren.

Für dieses Tutorial ist ein bestehender Service erforderlich. Wenn Sie über keinen Service verfügen, mit dem Sie arbeiten können, können Sie einen Service erstellen, indem Sie dem Tutorial zum Veröffentlichen Modells als Service.

Geplantes Scoring konfigurieren

Das Modell-Scoring kann als automatisierter Prozess auf geplanter Basis konfiguriert werden. Nachdem ein Service erstellt wurde, können Sie die folgenden Schritte ausführen, um einen Scoring-Zeitplan zu konfigurieren und anzuwenden:

Wählen Sie in Adobe Experience Platform die Registerkarte Services in der linken Navigationsspalte aus, um auf die Service Gallery zuzugreifen. Suchen Sie den Service, für den Sie einen Scoring-Lauf planen möchten, und wählen Sie Öffnen, um die zugehörige Übersicht anzuzeigen.

Auf der Übersichtsseite werden die Scoring-Informationen des Diensts angezeigt. Wählen Sie den Zeitplan aktualisieren, um einen Scoring-Zeitplan zu konfigurieren.

Konfigurieren Sie die Häufigkeit, das Anfangsdatum, das Enddatum, den Eingabedatensatz und den Ausgabedatensatz für den Scoring-Zeitplan. Wenn Sie mit den Konfigurationen zufrieden sind, wählen Sie Erstellen aus, um den Scoring-Zeitplan für den Service zu aktualisieren.

Der aktualisierte Scoring-Zeitplan wird auf der Seite „Überblick des angezeigt.

Geplantes Training konfigurieren

Durch das Konfigurieren geplanter Trainings-Läufe für einen Service wird sichergestellt, dass das Modell für maschinelles Lernen auf die neuesten Datenmuster aktualisiert wird. Bei jedem Abschluss eines geplanten Trainings-Laufs wird das resultierende trainierte Modell verwendet, um den Service bis zum nächsten geplanten Trainings-Lauf zu unterstützen.

Nachdem ein Service erstellt wurde, können Sie die folgenden Schritte ausführen, um einen Trainings-Zeitplan zu konfigurieren und anzuwenden:

Wählen Sie in Adobe Experience Platform die Registerkarte Services in der linken Navigationsspalte aus, um auf die Service-Galerie zuzugreifen. Suchen Sie den Service, für den Sie Trainings-Läufe planen möchten, und wählen Sie Öffnen aus, um die zugehörige Übersicht anzuzeigen.

Auf der Seite Übersicht werden die Schulungsinformationen des Service angezeigt. Wählen Sie den Zeitplan aktualisieren, um einen Trainings-Zeitplan zu konfigurieren.

Konfigurieren Sie die Häufigkeit, das Anfangsdatum, das Enddatum und den Eingabedatensatz, die für den Trainings-Zeitplan verwendet werden sollen. Wenn Sie mit den Konfigurationen zufrieden sind, wählen Sie Erstellen aus, um den Trainings-Zeitplan für den Service zu aktualisieren.

Ihr aktualisierter Trainings-Zeitplan wird auf der Seite „Überblick des angezeigt.

Nächste Schritte

Mithilfe dieses Tutorials haben Sie erfolgreich automatische Trainings- und Scoring-Läufe für einen Service geplant und den Workflow der Benutzeroberfläche des Data Science Workspace Tutorials abgeschlossen. Wenn Sie dies noch nicht getan haben, sollten Sie das Tutorial neu starten und dem API-Workflow folgen, um ein Modell zu erstellen, zu trainieren, zu bewerten und zu veröffentlichen.

Vorherige SeiteVeröffentlichen eines Modells als Service (API)
Nächste SeiteHandbuch zur Fehlerbehebung

Experience Platform