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.