Data Science Workspace
Dieses Dokument enthält eine Beschreibung der erwarteten Lernergebnisse im Adobe Experience Platform Data Science Workspace-Kurs. Um den Kurs anzuzeigen, müssen Sie sich mit Ihrer Adobe ID bei Experience League anmelden.
Der Kurs Erste Schritte mit Data Science Workspace für Datenwissenschaftler richtet sich an Datenwissenschaftler, die lernen möchten, wie sie mit JupyterLab-Notebooks Erkenntnisse und Abfragedaten ermitteln, profilaktivierte Datensätze erstellen, Modelle für automatisiertes maschinelles Lernen veröffentlichen und über maschinelles Lernen ermittelte Erkenntnisse für Adobe- und Nicht-Adobe-Anwendungen aktivieren 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 Kurs Datenwissenschaft Workspace behandelt. Darüber hinaus haben Sie die Möglichkeit, dem Beispiel zu folgen, während Sie ein für den Kurs bereitgestelltes Tendenzmodell erstellen und veröffentlichen.
- Die Architektur von Data Science Workspace
- Verwendung von JupyterLab
- Zugreifen auf Daten und Abfragedaten in Data Science Workspace
- Explorative Datenanalyse
- Erstellen eines Rezepts und Modells
- Zum Trainieren und Bewerten eines Modells verwendete Methoden
- Die Rolle von Hyperparametern in der Modellentwicklung
- Veröffentlichen trainierter Modelle als Service
- Verwendung von Data Science Workspace zur Anreicherung von Echtzeit-Kundenprofildaten
- Erstellen eines Streaming-Segments mit der Modellausgabe
Lektionen
Der Data Science Workspace Kurs ist in fünf Lektionen unterteilt.
Lektion 1
Einführung (19 Minuten): Erfahren Sie mehr über den Kurs und erhalten Sie einen Überblick über Data Science Workspace einschließlich der erforderlichen Kursressourcen.
Lektion 2
Laden, Abfragen und Erkunden von Daten in JupyterLab (24 Minuten): Erfahren Sie, wie JupyterLab auf Experience Platform Datenwissenschaftlern beim Erfassen, Bereinigen von Daten, Visualisieren von Daten und Ermitteln von Erkenntnissen hilft, wichtige Workflows zu vereinfachen und zu erleichtern.
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 von Data Science Workspace zum Trainieren und Bewerten eines Modells (6 Minuten): Erfahren Sie, wie Sie ein Modell erstellen und als Service im Experience Platform veröffentlichen.
Lektion 5
Datenwissenschafts-Einblicke nutzen und bereitstellen (11 Minuten): Erfahren Sie, wie Datenwissenschafts-Workspace-Modellausgaben im Echtzeit-Kundenprofil verwendet werden können, um personalisierte Erlebnisse mit Adobe-Anwendungen und -Services bereitzustellen.
Nächste Schritte
Besuchen Sie nach Abschluss des Data Science Workspace-Kurses die Sensei-API-Handbücher für maschinelles Lernen, um zu erfahren, wie Sie RESTful-APIs verwenden können, um alles zu tun, was Sie gerade gelernt haben, und vieles mehr.