Resumen de Data Science Workspace
Adobe Experience Platform Data Science Workspace utiliza el aprendizaje automático y la inteligencia artificial para obtener información de sus datos. Integrado en Adobe Experience Platform, Data Science Workspace le ayuda a hacer predicciones utilizando sus recursos de contenido y datos en todas las soluciones de Adobe.
Los científicos de datos de todos los niveles de habilidad encontrarán herramientas sofisticadas y fáciles de usar que respaldan el rápido desarrollo, entrenamiento y ajuste de las recetas de aprendizaje automático -todos los beneficios de la tecnología de IA, sin la complejidad.
Con Data Science WorkspaceSin embargo, los científicos de datos pueden crear fácilmente API de servicios inteligentes con tecnología de aprendizaje automático. Estos servicios funcionan con otros servicios de Adobe, incluidos Adobe Target y Adobe Analytics Cloud, para ayudarle a automatizar experiencias digitales personalizadas y específicas en aplicaciones web, de escritorio y móviles.
Esta guía proporciona información general sobre los conceptos clave relacionados con Data Science Workspace.
Introducción
Las empresas actuales otorgan una alta prioridad a la extracción de big data para obtener predicciones y perspectivas que les ayuden a personalizar las experiencias de los clientes y a proporcionar más valor a los clientes y al negocio.
Por importante que sea, pasar de los datos a las perspectivas puede suponer un coste elevado. Por lo general, requiere científicos de datos calificados que lleven a cabo una investigación de datos intensiva y laboriosa para desarrollar modelos o fórmulas de aprendizaje automático que impulsen los servicios inteligentes. El proceso es largo, la tecnología es compleja y los científicos de datos calificados pueden ser difíciles de encontrar.
Con Data Science Workspace, Adobe Experience Platform le permite incorporar IA centrada en las experiencias en toda la empresa, lo que optimiza y acelera la conversión de datos a perspectivas y código con:
- Un marco de aprendizaje automático y tiempo de ejecución
- Acceso integrado a los datos almacenados en Adobe Experience Platform
- Un esquema de datos unificado creado en Experience Data Model (XDM)
- La potencia informática esencial para el aprendizaje automático/IA y la gestión de grandes conjuntos de datos
- Fórmulas de aprendizaje automático creadas previamente para acelerar el salto a experiencias impulsadas por IA
- Creación, reutilización y modificación simplificadas de fórmulas para científicos de datos de diversos niveles de habilidad
- Publicación y uso compartido inteligentes de servicios en solo unos clics (sin desarrollador) y monitorización y reaprendizaje para la optimización continua de experiencias personalizadas del cliente
Los científicos de datos de todos los niveles de habilidad conseguirán perspectivas más rápidas y experiencias digitales más efectivas antes.
Introducción
Antes de profundizar en los detalles de Data Science Workspace, aquí tiene un breve resumen de los términos clave:
El siguiente gráfico describe la relación jerárquica entre fórmulas, modelos, ejecuciones de formación y ejecuciones de puntuación.
Explicación Data Science Workspace
Con Data Science WorkspaceSin embargo, los científicos de datos pueden agilizar el engorroso proceso de descubrir perspectivas en grandes conjuntos de datos. Basado en un marco de trabajo de aprendizaje automático y en tiempo de ejecución comunes, Data Science Workspace ofrece administración avanzada de flujos de trabajo, administración de modelos y escalabilidad. Los servicios inteligentes admiten la reutilización de fórmulas de aprendizaje automático para impulsar una variedad de aplicaciones creadas con productos y soluciones de Adobe.
Acceso a datos en un solo paso
Los datos son la piedra angular de la IA y del aprendizaje automático.
Data Science Workspace está totalmente integrado con Adobe Experience Platform, incluido el lago de datos, Real-Time Customer Profile, y Unified Edge. Explore todos los datos de su organización almacenados en Adobe Experience Platform a la vez, junto con big data comunes y bibliotecas de aprendizaje profundo, como Spark ML y TensorFlow. Si no encuentra lo que necesita, introduzca sus propios conjuntos de datos mediante el esquema estandarizado XDM.
Fórmulas de aprendizaje automático prediseñadas
Data Science Workspace incluye fórmulas de aprendizaje automático prediseñadas para necesidades comerciales comunes, como la predicción de ventas minoristas y la detección de anomalías, de modo que los científicos y desarrolladores de datos no tienen que empezar desde cero. Actualmente se ofrecen tres recetas, predicción de compra de productos, recomendaciones de productos, y ventas al por menor.
Si lo prefiere, puede adaptar una fórmula prediseñada a sus necesidades, importar una fórmula o empezar desde cero para crear una fórmula personalizada. Sin embargo, cuando empiece a entrenar y ajustar una fórmula, la creación de un servicio inteligente personalizado no requiere un desarrollador, solo unos clics y está listo para crear una experiencia digital personalizada y dirigida.
Flujo de trabajo centrado en el científico de datos
Sea cual sea su nivel de experiencia en ciencia de datos, Data Science Workspace ayuda a simplificar y acelerar el proceso de búsqueda de perspectivas en datos y su aplicación a experiencias digitales.
Exploración de datos
Encontrar los datos adecuados y prepararlos es la parte más laboriosa de crear una receta eficaz. Data Science Workspace y Adobe Experience Platform le ayudarán a pasar de los datos a las perspectivas más rápidamente.
En Adobe Experience Platform, los datos de canales cruzados están centralizados y almacenados en el esquema estandarizado XDM, por lo que los datos son más fáciles de encontrar, comprender y limpiar. Un único almacén de datos basado en un esquema común puede ahorrarle incontables horas de exploración y preparación de datos.
A medida que navega, utilice R, Python, o Scala con el integrado, alojado Jupyter Notebook para examinar el catálogo de datos sobre Platform. Con uno de estos lenguajes, también puede aprovechar Spark ML y TensorFlow. Comience desde cero o utilice una de las plantillas de portátiles que se proporcionan para problemas específicos de la empresa.
Como parte del flujo de trabajo de exploración de datos, también puede introducir nuevos datos o utilizar las funciones existentes para ayudar a preparar los datos.
Creación
Con Data Science Workspace, usted decide cómo quiere crear las recetas.
- Ahorre tiempo buscando una fórmula prediseñada que satisfaga sus necesidades comerciales, que puede utilizar tal cual o configurar para satisfacer sus necesidades específicas.
- Cree una fórmula desde cero utilizando el tiempo de ejecución de la creación en Jupyter Notebook para desarrollar y registrar la fórmula.
- Cargar una fórmula creada fuera de Adobe Experience Platform en Data Science Workspace o importar código de fórmula de un repositorio, como Git, utilizando la autenticación y la integración disponibles entre Git y Data Science Workspace.
Experimentación
El espacio de trabajo de ciencia de datos aporta una flexibilidad enorme al proceso de experimentación. Empiece con su receta. A continuación, cree una instancia independiente, utilizando el mismo algoritmo principal emparejado con características únicas, como parámetros de hiper-ajuste. Puede crear tantas instancias como necesite, entrenando y puntuando cada instancia tantas veces como desee. A medida que los entrenas, Data Science Workspace rastrea fórmulas, instancias de fórmulas e instancias formadas, junto con métricas de evaluación, para que no tenga que hacerlo.
Operacionalización
Cuando estás satisfecho con tu receta, solo son unos pocos clics para crear un servicio inteligente. No se requiere codificación: puede hacerlo usted mismo, sin contratar a un desarrollador o ingeniero. Por último, publique el servicio inteligente en Adobe IO y estará listo para que su equipo de experiencia digital lo consuma.
Mejora continua
Data Science Workspace registra dónde se invocan los servicios inteligentes y cómo funcionan. A medida que se acumulan los datos, puede evaluar la precisión inteligente del servicio para cerrar el bucle y volver a entrenar las fórmulas según sea necesario para mejorar el rendimiento. El resultado es un refinamiento continuo de la precisión de la personalización del cliente.
Acceso a nuevas funciones y conjuntos de datos
Los científicos de datos pueden aprovechar las nuevas tecnologías y conjuntos de datos en cuanto estén disponibles a través de los servicios de Adobe. A través de actualizaciones frecuentes, hacemos el trabajo de integrar conjuntos de datos y tecnologías en la plataforma, para que no tenga que hacerlo.
Seguridad y tranquilidad
La seguridad de los datos es una prioridad fundamental para el Adobe. El Adobe protege sus datos con procesos y controles de seguridad desarrollados para ayudar a cumplir con las normas, regulaciones y certificaciones aceptadas por el sector.
La seguridad está integrada en el software y los servicios como parte del ciclo de vida del producto seguro de Adobe.
Para obtener más información sobre la seguridad de los datos de Adobe y del software, la conformidad normativa, etc., visite la página de seguridad en https://www.adobe.com/security.html.
Data Science Workspace en acción
Las predicciones y las perspectivas proporcionan la información que necesita para ofrecer una experiencia altamente personalizada a cada cliente que visita su sitio web, se pone en contacto con su centro de llamadas o participa en otras experiencias digitales. Así es como se lleva a cabo su trabajo diario con Data Science Workspace.
Defina el problema
Todo comienza con un problema de negocios. Por ejemplo, un centro de llamadas en línea necesita contexto para ayudarles a convertir en positivo un sentimiento negativo del cliente.
Hay un montón de datos sobre el cliente. Han explorado el sitio, puesto artículos en su carro de compras e incluso realizado pedidos. Es posible que hayan recibido correos electrónicos, utilizado cupones o contactado anteriormente con el centro de llamadas. Por lo tanto, la fórmula debe utilizar los datos disponibles sobre el cliente y sus actividades para determinar la tendencia a comprar y recomendar una oferta que el cliente probablemente aprecie y utilice.
En el momento del contacto con el centro de llamadas, el cliente aún tiene dos pares de zapatos en el carro, pero se quitó una camisa. Con esta información, el servicio inteligente podría recomendar que el agente del centro de llamadas ofrezca un cupón de descuento del 20 % en zapatos durante la llamada. Si el cliente utiliza el cupón, esa información se añade al conjunto de datos y las predicciones mejoran aún más la próxima vez que el cliente invoque.
Exploración y preparación de los datos
En función del problema empresarial definido, sabe que la fórmula debe buscar en todas las transacciones web del cliente, incluidas las visitas al sitio, las búsquedas, las vistas de página, los vínculos en los que se hizo clic, las acciones del carro de compras, las ofertas recibidas, los correos electrónicos recibidos, las interacciones del centro de llamadas, etc.
Un científico de datos suele dedicar hasta el 75 % del tiempo necesario para crear una fórmula a explorar y transformar los datos. Los datos a menudo provienen de varios repositorios y se guardan en diferentes esquemas; deben combinarse y asignarse antes de poder utilizarse para crear una fórmula.
Si empieza desde cero o configura una fórmula existente, la búsqueda de datos se inicia en un catálogo de datos centralizado y estandarizado para su organización, lo que simplifica considerablemente la búsqueda. Incluso podría encontrar que otro científico de datos de su organización ya ha identificado un conjunto de datos similar y optar por ajustar ese conjunto de datos en lugar de empezar desde cero.
Todos los datos de Adobe Experience Platform cumplen con un esquema XDM estandarizado, lo que elimina la necesidad de crear un modelo complejo para unir datos o obtener ayuda de un ingeniero de datos.
Si no encuentra inmediatamente los datos que necesita, pero existen fuera de Adobe Experience Platform, es relativamente sencillo introducir conjuntos de datos adicionales, que también se transformarán en el esquema XDM estandarizado.
Puede utilizar Jupyter Notebook para simplificar el preprocesamiento de los datos, empezando posiblemente por una plantilla de portátil o un portátil que haya utilizado anteriormente por su tendencia a comprar.
Crear la fórmula
Si ya ha encontrado una fórmula que satisfaga todas sus necesidades, puede pasar a la experimentación. O bien, puede modificar un poco la fórmula o crear una desde cero, aprovechando el Data Science Workspace tiempo de ejecución de creación en Jupyter Notebook. El uso del tiempo de ejecución de la creación garantiza que ambos puedan utilizar el Data Science Workspace flujo de trabajo de formación y puntuación, y convierta la fórmula más adelante para que otros miembros de su organización puedan almacenarla y reutilizarla.
También puede importar una fórmula en Data Science Workspace y aproveche los flujos de trabajo de experimentación a medida que crea su servicio inteligente.
Experimente con la fórmula
Con una fórmula que incorpora los algoritmos principales de aprendizaje automático, se pueden crear muchas instancias de fórmula con una sola fórmula. Estas instancias de fórmula se denominan modelos. Un modelo requiere entrenamiento y evaluación para optimizar su eficiencia y eficacia operativa, un proceso típicamente consistente en prueba y error.
A medida que entrena los modelos, se generan ejecuciones de formación y evaluaciones. Data Science Workspace realiza un seguimiento de las métricas de evaluación de cada modelo único y de sus ejecuciones de formación. Las métricas de evaluación generadas a través de la experimentación le permitirán determinar la ejecución de formación que tenga el mejor rendimiento.
Visite cualquiera de las API o IU tutorial sobre cómo entrenar y evaluar modelos en Data Science Workspace.
Poner en funcionamiento el modelo
Cuando haya seleccionado la fórmula mejor entrenada para satisfacer sus necesidades comerciales, puede crear un servicio inteligente en Data Science Workspace sin asistencia del desarrollador. Son solo un par de clics, no se requiere codificación. Un servicio inteligente publicado es accesible para otros miembros de su organización sin necesidad de volver a crear el modelo.
Se puede configurar un servicio inteligente publicado para que se entrene automáticamente de vez en cuando con nuevos datos a medida que estén disponibles. Esto garantiza que su servicio mantenga su eficiencia y eficacia a medida que pasa el tiempo.
Pasos siguientes
Data Science Workspace ayuda a optimizar y simplificar el flujo de trabajo de la ciencia de datos, desde la recopilación de datos hasta los algoritmos y los servicios inteligentes para los científicos de datos de todos los niveles de aptitud. Con las herramientas sofisticadas Data Science Workspace De esta forma, puede acortar significativamente el tiempo de los datos a las perspectivas.
Y lo que es más importante, Data Science Workspace pone las capacidades de optimización algorítmica y de ciencia de datos de la plataforma de marketing líder de Adobe en manos de los científicos de datos empresariales. Por primera vez, las empresas pueden incorporar algoritmos propietarios a la plataforma, aprovechando el potente aprendizaje automático y las capacidades de IA de Adobe para ofrecer experiencias de cliente altamente personalizadas a escala masiva.
Gracias a la combinación de la experiencia de marca y el aprendizaje automático y las habilidades de IA de Adobe, las empresas tienen el poder de impulsar más valor empresarial y lealtad de marca dando a los clientes lo que desean antes de que lo soliciten.
Para obtener información adicional, como un flujo de trabajo diario completo, comience por leer el Recorrido de Data Science Workspace documentación.
Recursos adicionales
El siguiente vídeo está diseñado para ayudarle a comprender Data Science Workspace.