数据科学工作区访问和功能
以下文档概述了数据科学工作区的权限和功能访问权限。
- 笔记本： 提供交互式开发环境(JupyterLab)来探索、分析和模拟Experience Platform数据。
- 模型： 提供用于创建、发布和存储高级机器学习方法和模型的工具。有关详细信息，请访问创建并发布机器学习模型教程。
- 服务： 包含Adobe提供的服务(如智能 服 务)以及您使用Data Science Workspace创建的任何自定义服务。
为什么我只看到“服务”选项卡？
- 您的组织只能获得包含智能服务客户人工智能的实时客户数据平台(RTCDP)。
如果您无法看到任何数据科学选项卡并希望利用数据科学工作区功能，请与公司管理员联系，检查您是否有Adobe Experience Platform智能许可证。
Adobe Experience Platform情报程序包
下表概述了Adobe Experience Platform智能软件包添加前后数据科学工作区的一些主要区别：
注意
您可以授权多个智能包加载项，并且增加的容量会添加到您的整体授权中。 例如，如果您获得2个Adobe Experience Platform智能程序包的授权，则您有权同时拥有20个笔记本用户。
| Data Science Workspace | Data Science Workspace 智能包加载项 | |
|---|---|---|
| 支持的笔记本用户数。 | 5个并发用户 | 第一个包添加5个并发用户，另外购买每个包添加10个并发用户。 |
| 允许集成Jupyter笔记本进行探索性数据分析和模型创作(R、Python、Scala、PySpark) | X | X |
| 与查询服务本机集成。 能够在笔记本中使用SQL浏览数据集并塑造数据集。 | X | X |
| 访问预建的笔记本模板进行预测分析。 | X | X |
| 使用Jupyter笔记本手动培训模型并为其评分。 | X | X |
| 部署和操作能够计划培训和参考作业的模型。 | X | |
| 菜谱框架，可轻松配置、评估、培训、评分并将模型发布到生产中。 | X | |
| UI驱动的模型试验和评估。 | X | |
| 对Tensorflow模型（GPU计算）的深入学习支持。 | X | |
| 基于Spark的分布式计算，可针对大数据集（10MM +行）进行培训和评分。 | X |
访问控制
Experience Platform访问控制通过Adobe Admin Console进行。 此功能利用Admin Console中的产品用户档案，将用户与权限和沙箱关联起来。 有关详细信息，请参阅访问控制概述。
要使用数据科学工作区，必须启用“管理数据科学工作区”权限。 下表概述了启用或禁用此权限的效果：
| 权限 | 已启用 | 已禁用 |
|---|---|---|
| 管理数据科学工作区 | 提供对数据科学工作区中所有服务的访问。 | 禁用对数据科学工作区中所有服务的API和UI访问。 禁用时，阻止选择Notebooks、Models和Services页。 |
沙箱支持
沙箱是单个Experience Platform实例中的虚拟分区。 每个平台实例都支持一个生产沙箱和多个非生产沙箱，每个沙箱都维护自己的平台资源库。 非生产沙箱允许您测试功能、运行实验并制作自定义配置，而不会影响您的生产沙箱。 有关沙箱的详细信息，请参阅沙箱概述。
目前，Data Science Workspace具有以下沙箱限制：
- 计算资源跨生产沙箱和非生产沙箱进行共享。
后续步骤
本文档概述了数据科学工作区中提供的不同类型的访问和功能。
要进一步了解数据科学工作区（如完整的日常工作流），请首先阅读数据科学工作区演练文档。 有关更多一般信息，请访问数据科学工作区概述。
adobe.com 上的资源
在此页面上
