KI/ML-Funktions-Pipelines
- Themen:
- Abfragen
Erstellt für:
- Benutzende
- Entwickler
Mit Data Distiller können Datenwissenschaftler und Ingenieure ihre Pipelines für maschinelles Lernen mit hochwertigen Kundenerlebnisdaten anreichern, die in Adobe Experience Platform erfasst und kuratiert wurden. Von einem Python Notebook in einer beliebigen Umgebung aus können Sie Kundendaten auf der Experience Platform interaktiv untersuchen, Funktionen aus den Daten definieren und berechnen und die berechneten Funktionen zur Modellierung in Ihre maschinelle Lernumgebung einlesen.
- Mit den leistungsstarken Abfragefunktionen von Data Distiller können Sie aussagekräftige Funktionen aus den umfangreichen Verhaltensdaten extrahieren, die im Experience Platform verfügbar sind. Sie können die destillierten Funktionsdaten dann in Ihre maschinelle Lernumgebung bringen, ohne große Mengen von Ereignisdaten außerhalb des Experience Platform kopieren zu müssen.
- Lesen Sie den vorbereiteten Funktionsdatensatz in Ihren bevorzugten maschinellen Lernwerkzeugen und kombinieren Sie ihn mit anderen aus Unternehmensdaten abgeleiteten Funktionen, um auf Ihr Unternehmen zugeschnittene Modelle zu trainieren, zu experimentieren, abzustimmen und bereitzustellen.
- Generieren Sie Bewertungen, Prognosen oder Empfehlungen aus Ihren Modellen und geben Sie die Ausgabe an den Experience Platform zurück, um Kundenerlebnisse über Real-time Customer Data Platform und Adobe Journey Optimizer zu optimieren.
Voraussetzungen
Dieser Workflow setzt ein grundlegendes Verständnis der verschiedenen Aspekte von Adobe Experience Platform voraus. Bevor Sie mit diesem Tutorial beginnen, lesen Sie die Dokumentation für die folgenden Konzepte:
- Erfahren Sie wie Sie Experience Platform-APIs authentifizieren und.
- Sandboxes: Attributbasierte Zugriffssteuerungsberechtigungen und wie Rollen erstellt und verwaltet werden sowie die gewünschten Ressourcenberechtigungen für diese Rollen zugewiesen werden.
- Data Governance: So Sie Datennutzungskennzeichnungen auf Datensätze und Felder anwenden und dieseentsprechend den zugehörigen Data Governance-Richtlinien und Zugriffssteuerungsrichtlinien kategorisieren.
Nächste Schritte
In diesem Dokument haben Sie eine Einleitung zu den wichtigsten Konzepten hinter der Verwendung Ihrer bevorzugten Tools für maschinelles Lernen zum Erstellen benutzerdefinierter Modelle erhalten, die Ihre Marketing-Anwendungsfälle unterstützen.
Die in dieser Reihe von Handbüchern enthaltenen Dokumente beschreiben die grundlegenden Schritte zum Erstellen von Funktions-Pipelines vom Experience Platform zum Einspeisen benutzerdefinierter Modelle in Ihre maschinelle Lernumgebung. Sie können jetzt eine Verbindung zwischen Data Distiller und Ihrem Jupyter Notebook herstellen.
Die unten verlinkte Dokumentation entspricht den Schritten, die auf der obigen Infografik angegeben sind.
- Schritt 1: Erkunden und Analysieren von Datensätzen
- Schritt 2: Engineer-Funktionen für maschinelles Lernen
- Schritt 3: Exportieren von Funktionsdatensätzen
Zusätzliche Ressourcen
- aepp: Eine von Adobe verwaltete Open-Source-Python-Bibliothek für Anfragen an Data Distiller und andere Experience Platform-Services aus Python Code.