Data Science Workspace Kurs

In diesem Dokument werden die erwarteten Lernergebnisse im Adobe Experience Platform Data Science Workspace-Kurs beschrieben. Um den Kurs anzuzeigen, müssen Sie sich mit Ihrer Adobe ID bei der Experience League anmelden.

Der Kurs 🔗 für die ersten Schritte mit Data Science Workspace for Data Scientists (Erste Schritte mit Data Science) wurde für Datenwissenschaftler entwickelt, die erfahren möchten, wie mit JupyterLab-Notebooks Einblicke und Abfragedaten gewonnen, profilaktivierte Datensätze erstellt, automatisierte Modelle für maschinelles Lernen veröffentlicht und maschinenlernfähige Einblicke für Adobe- und Nicht-Adobe-Anwendungen aktiviert werden können.

Kursvoraussetzungen

  • Ein registriertes Adobe ID-Konto.
    • Das Adobe ID-Konto muss einer Organisation mit Zugriff auf Adobe Experience Platform und Data Science Workspace hinzugefügt worden sein.
  • Eine Nicht-Produktions-Sandbox.

Erwartete Lernergebnisse

Die folgenden Lernergebnisse werden im Data Science Workspace-Kurs behandelt. Darüber hinaus haben Sie die Möglichkeit, beim Erstellen und Veröffentlichen eines für den Kurs bereitgestellten Tendenzmodells zu folgen.

  • Die Architektur von Data Science Workspace
  • Verwendung von JupyterLab
  • Zugriff auf Daten und Abfragedaten in Data Science Workspace
  • Explorative Datenanalyse
  • Erstellen eines Rezepts und Modells
  • Methoden zum Trainieren und Bewerten eines Modells
  • Die Rolle von Hyperparametern in der Modellentwicklung
  • Veröffentlichen trainierter Modelle als Dienst
  • Anreicherung Ihrer Echtzeit-Kundenprofildaten mit Data Science Workspace
  • Erstellen eines Streaming-Segments mit Ihrer Modellausgabe

Lehren

Der Kurs "Data Science Workspace"ist in fünf Lektionen unterteilt.

Lektion 1

Einführung (19 Minuten): Erfahren Sie mehr über den Kurs und erhalten Sie einen allgemeinen Überblick über Data Science Workspace, einschließlich der erforderlichen Kursmaterialien.

Lektion 2

Daten in JupyterLab laden, abfragen und untersuchen (24 Minuten): Erfahren Sie, wie JupyterLab auf Experience Platform wichtige Workflows für Datenwissenschaftler vereinfacht und erleichtert, z. B. Daten sammeln, Daten bereinigen, Daten visualisieren und Erkenntnisse entdecken.

Lektion 3

Erstellen eines Modells in JupyterLab (26 Minuten): Erfahren Sie, wie Sie mit dem Erstellen von Modellen in Data Science Workspace beginnen.

Lektion 4

Verwenden Sie Data Science Workspace, um ein Modell zu trainieren und zu bewerten (6 Minuten): Erfahren Sie, wie Sie ein Modell erstellen und als Dienst im Experience Platform veröffentlichen.

Lektion 5

Data Science Insights nutzen und bereitstellen (11 Minuten): Erfahren Sie, wie Data Science Workspace-Modellausgaben im Echtzeit-Kundenprofil verwendet werden können, um personalisierte Erlebnisse mit Adobe-Anwendungen und -Diensten bereitzustellen.

Nächste Schritte

Besuchen Sie nach Abschluss des Data Science Workspace-Kurses die Sensei Machine Learning API guides, um zu erfahren, wie Sie RESTful-APIs nutzen können, um alles zu erledigen, was Sie gerade gelernt haben und vieles mehr.

recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9