MLSservices 끝점

MLService는 이전에 개발된 모델에 액세스하고 재사용할 수 있는 기능을 조직에 제공하는 게시된 숙련된 모델입니다. MLServices의 주요 기능은 교육 및 채점을 일정에 따라 자동화하는 기능입니다. 예약된 교육 실행은 모델의 효율성과 정확성을 유지하는 데 도움이 되지만, 예약된 점수 실행에서는 새로운 통찰력이 일관되게 생성됩니다.

자동 교육 및 점수 표는 시작 타임스탬프, 종료 타임스탬프 및 다음과 같이 표시되는 빈도로 정의됩니다 cron 식. 스케줄은 mlsService 만들기 또는 기존 MLService 업데이트.

MLS 서비스 만들기

POST 요청 및 서비스 이름과 유효한 MLInstance ID를 제공하는 페이로드를 수행하여 MLSservice를 만들 수 있습니다. MLService를 만드는 데 사용되는 MLInstance는 기존 교육 실험이 필요하지 않지만 해당 실험 ID 및 교육 실행 ID를 제공하여 기존 훈련 모델로 MLService를 만들도록 선택할 수 있습니다.

API 형식

POST /mlServices

요청

curl -X POST \
    https://platform.adobe.io/data/sensei/mlServices \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}' \
    -H 'content-type: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingExperimentRunId": "33408593-2871-4198-a812-6d1b7d939cda",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'
속성 설명
name MLService에 대해 원하는 이름입니다. 이 MLService에 해당하는 서비스는 서비스 갤러리 UI에 표시할 이 값을 서비스 이름으로 상속합니다.
description MLS 서비스에 대한 선택적 설명입니다. 이 MLService에 해당하는 서비스는 서비스 갤러리 UI에 표시될 이 값을 서비스 설명으로 상속합니다.
mlInstanceId 유효한 MLInstance ID입니다.
trainingDataSetId 제공되는 경우 MLInstance의 기본 데이터 세트 ID를 무시하는 교육 데이터 세트 ID입니다. MLService를 만드는 데 사용되는 MLInstance에서 교육 데이터 세트를 정의하지 않는 경우 적절한 교육 데이터 세트 ID를 제공해야 합니다.
trainingExperimentId 선택적으로 제공할 수 있는 실험 ID입니다. 이 값을 제공하지 않으면 MLService를 만들면 MLInstance의 기본 구성을 사용하여 새 실험도 생성됩니다.
trainingExperimentRunId 선택적으로 제공할 수 있는 교육 실행 ID입니다. 이 값을 제공하지 않으면 MLService를 만들면 MLInstance의 기본 교육 매개 변수를 사용하여 교육 실행도 생성 및 실행됩니다.
trainingSchedule 자동 교육 실행에 대한 일정입니다. 이 속성이 정의된 경우 MLService는 예약된 대로 교육 실행을 자동으로 수행합니다.
trainingSchedule.startTime 예약된 교육 실행이 시작되는 타임스탬프입니다.
trainingSchedule.endTime 예약된 교육이 실행되는 타임스탬프가 종료됩니다.
trainingSchedule.cron 자동화된 교육 실행 빈도를 정의하는 cron 식.
scoringSchedule 자동 점수 실행에 대한 일정입니다. 이 속성이 정의된 경우 MLSservice는 예약된 기준에 따라 점수 실행을 자동으로 수행합니다.
scoringSchedule.startTime 예약된 점수 실행이 시작되는 타임스탬프입니다.
scoringSchedule.endTime 예약된 점수 실행이 끝나는 타임스탬프입니다.
scoringSchedule.cron 자동 점수 실행의 빈도를 정의하는 크론 표현식입니다.

응답

성공적인 응답은 고유 식별자( )를 포함하여 새로 만든 MLSservice의 세부 정보가 포함된 페이로드를 반환합니다id), 교육을 위한 실험 ID(trainingExperimentId), 점수를 위한 실험 ID(scoringExperimentId) 및 입력 교육 데이터 세트 ID(trainingDataSetId).

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

MLServices 목록 검색

단일 GET 요청을 수행하여 MLSservices 목록을 검색할 수 있습니다. 결과를 필터링하는 데 도움이 되도록 요청 경로에 쿼리 매개 변수를 지정할 수 있습니다. 사용 가능한 쿼리 목록은 자산 검색을 위한 쿼리 매개 변수.

API 형식

GET /mlServices
GET /mlServices?{QUERY_PARAMETER}={VALUE}
GET /mlServices?{QUERY_PARAMETER_1}={VALUE_1}&{QUERY_PARAMETER_2}={VALUE_2}
매개 변수 설명
{QUERY_PARAMETER} 다음 중 하나 사용 가능한 쿼리 매개 변수 결과를 필터링하는 데 사용됩니다.
{VALUE} 이전 쿼리 매개 변수의 값입니다.

요청

다음 요청에는 쿼리가 포함되어 있고 동일한 MLInstance ID({MLINSTANCE_ID}).

curl -X GET \
    'https://platform.adobe.io/data/sensei/mlServices?property=mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda' \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

성공적으로 응답하면 MLSservices 목록 및 해당 MLService ID({MLSERVICE_ID}), 교육을 위한 실험 ID({TRAINING_ID}), 점수를 위한 실험 ID({SCORING_ID}) 및 입력 교육 데이터 세트 ID({DATASET_ID}).

{
    "children": [
        {
            "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
            "name": "A service created in UI",
            "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
            "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
            "trainingDataSetId": "5ee3cd7f2d34011913c56941",
            "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
            "created": "2019-01-01T00:00:00.000Z",
            "createdBy": {
                "displayName": "Jane Doe",
                "userId": "Jane_Doe@AdobeID"
            },
            "updated": "2019-01-01T00:00:00.000Z"
        }
    ],
    "_page": {
        "property": "mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda,deleted==false",
        "count": 1
    }
}

특정 MLService 검색

요청 경로에 원하는 MLService ID를 포함하는 GET 요청을 수행하여 특정 실험의 세부 사항을 검색할 수 있습니다.

API 형식

GET /mlServices/{MLSERVICE_ID}
  • {MLSERVICE_ID}: 유효한 MLService ID입니다.

요청

curl -X GET \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

성공적으로 응답하면 요청된 MLSservice의 세부 정보가 포함된 페이로드가 반환됩니다.

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

MLS 서비스 업데이트

요청 경로에서 Target MLService의 ID를 포함하는 PUT 요청을 통해 속성을 덮어쓰고 업데이트된 속성이 포함된 JSON 페이로드를 제공하여 기존 MLService를 업데이트할 수 있습니다.

이 PUT 요청의 성공을 보장하기 위해 먼저 GET 요청을 수행하십시오로서 id로 MLS 서비스 검색. 그런 다음 반환된 JSON 개체를 수정 및 업데이트하고 수정된 JSON 개체 전체를 PUT 요청의 페이로드로 적용합니다.

API 형식

PUT /mlServices/{MLSERVICE_ID}
  • {MLSERVICE_ID}: 유효한 MLService ID입니다.

요청

curl -X PUT \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}' \
    -H 'content-type: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'

응답

성공적인 응답은 MLService의 업데이트된 세부 정보가 포함된 페이로드를 반환합니다.

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-02T00:00:00.000Z"
}

MLService 삭제

요청 경로에서 target MLService의 ID를 포함하는 DELETE 요청을 수행하여 단일 MLService를 삭제할 수 있습니다.

API 형식

DELETE /mlServices/{MLSERVICE_ID}
매개 변수 설명
{MLSERVICE_ID} 유효한 MLService ID입니다.

요청

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

{
    "title": "Success",
    "status": 200,
    "detail": "MLService deletion was successful"
}

MLInstance ID로 MLServices 삭제

MLInstance ID를 쿼리 매개 변수로 지정하는 DELETE 요청을 수행하여 특정 MLInstance에 속하는 모든 MLServices를 삭제할 수 있습니다.

API 형식

DELETE /mlServices?mlInstanceId={MLINSTANCE_ID}
매개 변수 설명
{MLINSTANCE_ID} 유효한 MLInstance ID입니다.

요청

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices?mlInstanceId=46986c8f-7739-4376-8509-0178bdf32cda \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

{
    "title": "Success",
    "status": 200,
    "detail": "MLServices deletion was successful"
}

이 페이지에서는