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 Experience League anmelden.
Die Erste Schritte mit dem Kurs "Data Science Workspace für Datenwissenschaftler" wurde für Datenwissenschaftler entwickelt, die lernen möchten, wie mit JupyterLab Notebooks Einblicke und Abfragedaten abgeleitet, profilaktivierte Datensätze erstellt, automatisierte maschinelle Lernmodelle 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 hinzugefügt worden sein. Data Science Workspace.
- 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): Lernen Sie den Kurs kennen und erhalten Sie einen allgemeinen Überblick über Data Science Workspace, einschließlich der erforderlichen Kursmaterialien.
Lektion 2
Laden, Abfragen und Erkunden von Daten in JupyterLab (24 Minuten): Erfahren Sie, wie JupyterLab in Experience Platform wichtige Workflows für Datenwissenschaftler vereinfacht und erleichtert, z. B. die Datenerfassung, Datenbereinigung, Datenvisualisierung und Ermittlung von Einblicken.
Lektion 3
Erstellen Sie ein Modell 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 in Experience Platform veröffentlichen.
Lektion 5
Data Science Insights konsumieren und bereitstellen (11 Minuten): Erfahren Sie, wie die Modellausgaben von Data Science Workspace im Echtzeit-Kundenprofil verwendet werden können, um personalisierte Erlebnisse mit Adobe Apps und Services bereitzustellen.
Nächste Schritte
Nach Abschluss des Data Science Workspace-Kurses besuchen Sie die Handbücher für die Sensei Machine Learning-API um zu erfahren, wie Sie RESTful-APIs nutzen können, um alles zu erledigen, was Sie gerade gelernt haben und mehr.