Importieren eines zusammengestellten Rezeptes in die Benutzeroberfläche von Data Science Workspace

Dieses Tutorial bietet Einblicke in das Konfigurieren und Importieren eines gepackten Rezepts mit dem bereitgestellten Beispiel für Einzelhandelsumsätze. Am Ende dieses Lernprogramms sind Sie bereit, ein Modell in Adobe Experience Platform zu erstellen, auszubilden und auszuwerten.Data Science Workspace

Voraussetzungen

Dieses Lernprogramm erfordert ein gepacktes Rezept in Form einer Docker-Bild-URL. Weiterführende Informationen finden Sie im Tutorial zum Verpacken von Quelldateien in einem Rezept.

Workflow in der Benutzeroberfläche

Für das Importieren eines gepackten Rezepts in Data Science Workspace sind spezifische Rezeptkonfigurationen erforderlich, die in einer einzigen JSON-Datei (JavaScript Object Notation) kompiliert werden. Diese Kompilierung von Skriptkonfigurationen wird als Konfigurationsdatei bezeichnet. Ein gepacktes Rezept mit einem bestimmten Satz von Konfigurationen wird als Rezeptinstanz bezeichnet. Ein Rezept kann verwendet werden, um viele Rezept-Instanzen in Data Science Workspace zu erstellen.

Der Workflow zum Importieren eines gepackten Rezepts umfasst folgende Schritte:

Rezept konfigurieren

Jede Rezept-Instanz in Data Science Workspace wird mit einer Reihe von Konfigurationen begleitet, die die Rezept-Instanz an einen bestimmten Anwendungsfall anpassen. Konfigurationsdateien definieren das standardmäßige Trainings- und Scoring-Verhalten eines mit dieser Rezeptinstanz erstellten Modells.

HINWEIS

Konfigurationsdateien sind rezept- und fallspezifisch.

Im Folgenden finden Sie eine Beispielkonfigurationsdatei mit standardmäßigem Trainings- und Scoring-Verhalten für das Rezept „Einzelhandelsumsätze“.

[
    {
        "name": "train",
        "parameters": [
            {
                "key": "learning_rate",
                "value": "0.1"  
            },
            {
                "key": "n_estimators",
                "value": "100"
            },
            {
                "key": "max_depth",
                "value": "3"
            },
            {
                "key": "ACP_DSW_INPUT_FEATURES",
                "value": "date,store,storeType,storeSize,temperature,regionalFuelPrice,markdown,cpi,unemployment,isHoliday"
            },
            {
                "key": "ACP_DSW_TARGET_FEATURES",
                "value": "weeklySales"
            },
            {
                "key": "ACP_DSW_FEATURE_UPDATE_SUPPORT",
                "value": false
            },
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key": "ACP_DSW_TRAINING_XDM_SCHEMA",
                "value": "{SEE BELOW FOR DETAILS}"
            },
            {
                "key": "evaluation.labelColumn",
                "value": "weeklySalesAhead"
            },
            {
                "key": "evaluation.metrics",
                "value": "MAPE,MAE,RMSE,MASE"
            }
        ]
    },
    {
        "name": "score",
        "parameters": [
            {
                "key": "tenantId",
                "value": "_{TENANT_ID}"
            },
            {
                "key":"ACP_DSW_SCORING_RESULTS_XDM_SCHEMA",
                "value":"{SEE BELOW FOR DETAILS}"
            }
        ]
    }
]
Parameterschlüssel Typ Beschreibung
learning_rate Zahl Skalar für graduelle Multiplikation.
n_estimators Zahl Zahl der Bäume im Wald für Random Forest Classifier.
max_depth Zahl Maximale Tiefe eines Baums in Random Forest Classifier.
ACP_DSW_INPUT_FEATURES Zeichenfolge Liste mit kommagetrennten Eingabeschemaattributen.
ACP_DSW_TARGET_FEATURES Zeichenfolge Liste mit kommagetrennten Ausgabeschemaattributen.
ACP_DSW_FEATURE_UPDATE_SUPPORT Boolesch Legt fest, ob Eingabe- und Ausgabefunktionen geändert werden können.
tenantId Zeichenfolge Diese Kennung stellt sicher, dass die von Ihnen erstellten Ressourcen den richtigen Namespace erhalten und in Ihrer IMS-Organisation enthalten sind. Gehen Sie wie folgt vor, um Ihre Mandantenkennung zu suchen.
ACP_DSW_TRAINING_XDM_SCHEMA Zeichenfolge Das zum Trainieren eines Modells verwendete Eingabeschema. Lassen Sie es beim Importieren in der Benutzeroberfläche leer; ersetzen Sie es beim Importieren mit der API durch die Trainings-SchemaID.
evaluation.labelColumn Zeichenfolge Spaltenbezeichnung für Bewertungsvisualisierungen.
evaluation.metrics Zeichenfolge Kommagetrennte Liste mit Bewertungsmetriken, die zur Bewertung eines Modells verwendet werden.
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA Zeichenfolge Das zum Scoring eines Modells verwendete Ausgabeschema. Lassen Sie es beim Importieren in der Benutzeroberfläche leer; ersetzen Sie es beim Importieren mit der API durch die Scoring-SchemaID.

Für die Zwecke dieses Lernprogramms können Sie die Standardkonfigurationsdateien für das Rezept Einzelhandel im Data Science Workspace Referenzhandbuch hinterlassen.

Dockerbasiertes Rezept importieren - Python

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform-Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und dann Starten.

Die Seite Konfigurieren für den Arbeitsablauf Importieren von Rezept wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann Weiter in der oberen rechten Ecke aus.

Arbeitsablauf konfigurieren

HINWEIS

Im Tutorial Quelldateien in einem Rezept verpacken wurde nach der Erstellung des Rezepts für Einzelhandelsumsätze mit Python-Quelldateien eine Docker-URL bereitgestellt.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL entsprechend dem gepackten Rezept ein, das mit Python-Quelldateien im Feld Quell-URL erstellt wurde. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/python/retail/retail.config.json. Wählen Sie Python in der Dropdown-Liste Runtime und Klassifizierung in der Dropdownliste Typ. Nachdem alles ausgefüllt wurde, wählen Sie Weiter oben rechts, um mit Schema verwalten fortzufahren.

HINWEIS

Typ unterstützt Klassifizierung und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie Benutzerdefiniert.

Wählen Sie anschließend die Schema für die Eingabe und Ausgabe im Einzelhandel unter Schema verwalten aus. Sie wurden mithilfe des Bootstrap-Skripts im Lernprogramm Einzelhandelsverkäufe erstellen und den Datensatz erstellen erstellt.

Wählen Sie im Abschnitt Funktionsverwaltung im Schema-Viewer die Pachtnummer aus, um das Schema für die Eingabe des Einzelhandelsverkaufs zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. Legen Sie in diesem Tutorial weeklySales als Zielfunktion und alles andere als Eingabefunktion fest. Wählen Sie Weiter, um Ihr neues konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Fertigstellen, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für den Einzelhandel erstellt wird.

Docker-basiertes Rezept importieren – R

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform-Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und dann Starten.

Die Seite Konfigurieren für den Arbeitsablauf Importieren von Rezept wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann Weiter in der oberen rechten Ecke aus.

Arbeitsablauf konfigurieren

HINWEIS

Im Tutorial Quelldateien in einem Rezept verpacken wurde nach der Erstellung des Rezepts für Einzelhandelsumsätze mit R-Quelldateien eine Docker-URL bereitgestellt.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL entsprechend dem gepackten Rezept, das mit R-Quelldateien erstellt wurde, in das Feld Quell-URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. Wählen Sie R in der Dropdownliste Runtime und Klassifizierung in der Dropdownliste Typ aus. Nachdem alles ausgefüllt wurde, wählen Sie Weiter oben rechts, um mit Schema verwalten fortzufahren.

HINWEIS

Typesupports unterstützt Klassifizierung und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie​Benutzerdefiniert**.

Wählen Sie anschließend die Schema für die Eingabe und Ausgabe im Einzelhandel unter Schema verwalten aus. Sie wurden mithilfe des Bootstrap-Skripts im Lernprogramm Einzelhandelsverkäufe erstellen und den Datensatz erstellen erstellt.

Wählen Sie im Abschnitt Funktionsverwaltung im Schema-Viewer die Pachtnummer aus, um das Schema für die Eingabe des Einzelhandelsverkaufs zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. Legen Sie in diesem Tutorial weeklySales als Zielfunktion und alles andere als Eingabefunktion fest. Wählen Sie Weiter, um Ihr neues konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Fertigstellen, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für den Einzelhandel erstellt wird.

Docker-basiertes Rezept importieren - PySpark

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform-Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und dann Starten.

Die Seite Konfigurieren für den Arbeitsablauf Importieren von Rezept wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann Weiter in der oberen rechten Ecke aus, um fortzufahren.

Arbeitsablauf konfigurieren

HINWEIS

Im Tutorial Quelldateien in ein Rezept packen wurde eine Docker-URL am Ende des Builds des Retail Sales-Rezepts mit PySpark-Quelldateien bereitgestellt.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL entsprechend dem gepackten Rezept, das mit PySpark-Quelldateien erstellt wurde, in das Feld Quell-URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. Wählen Sie PySpark in der Dropdownliste Runtime aus. Nach Auswahl der PySpark-Laufzeit wird das standardmäßige Artefakt automatisch auf Docker aufgefüllt. Wählen Sie anschließend Klassifizierung in der Dropdownliste Typ. Nachdem alles ausgefüllt wurde, wählen Sie Weiter oben rechts, um mit Schema verwalten fortzufahren.

HINWEIS

Typesupports unterstützt Klassifizierung und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie​Benutzerdefiniert**.

Wählen Sie anschließend mithilfe der Auswahl Schema verwalten die Schema für Einzelhandelsverkäufe aus. Die Schema wurden mit dem bereitgestellten Bootstrap-Skript im Lernprogramm Einzelhandelsverkäufe erstellen und Schema erstellen erstellt.

Schemas verwalten

Wählen Sie im Abschnitt Funktionsverwaltung im Schema-Viewer die Pachtnummer aus, um das Schema für die Eingabe des Einzelhandelsverkaufs zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. Legen Sie in diesem Tutorial weeklySales als Zielfunktion und alles andere als Eingabefunktion fest. Wählen Sie Weiter, um Ihr neues konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Fertigstellen, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für den Einzelhandel erstellt wird.

Dockerbasiertes Rezept importieren - Skala

Beginn durch Navigieren und Auswählen von Workflows oben links in der Platform-Benutzeroberfläche. Wählen Sie als Nächstes Rezept importieren und dann Starten.

Die Seite Konfigurieren für den Arbeitsablauf Importieren von Rezept wird angezeigt. Geben Sie einen Namen und eine Beschreibung für das Rezept ein und wählen Sie dann Weiter in der oberen rechten Ecke aus, um fortzufahren.

Arbeitsablauf konfigurieren

HINWEIS

Im Tutorial Quelldateien in ein Rezept packen wurde eine Docker-URL am Ende des Builds des Retail Sales-Rezepts mit Scala-Quelldateien (Spark) bereitgestellt.

Sobald Sie sich auf der Seite Quelle auswählen befinden, fügen Sie die Docker-URL entsprechend dem gepackten Rezept, das mit Scala-Quelldateien erstellt wurde, in das Feld Quelle-URL ein. Importieren Sie anschließend die bereitgestellte Konfigurationsdatei per Drag-and-Drop oder mit dem Browser des Dateisystems. Die bereitgestellte Konfigurationsdatei finden Sie unter experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. Wählen Sie Spark in der Dropdownliste Runtime aus. Nach Auswahl der Laufzeitumgebung Spark wird das standardmäßige Artefakt automatisch auf Docker aufgefüllt. Wählen Sie dann Regression aus der Dropdownliste Typ. Nachdem alles ausgefüllt wurde, wählen Sie Weiter oben rechts, um mit Schema verwalten fortzufahren.

HINWEIS

Typ unterstützt Klassifizierung und Regression. Wenn Ihr Modell nicht unter einen dieser Typen fällt, wählen Sie Benutzerdefiniert.

Wählen Sie anschließend mithilfe der Auswahl Schema verwalten die Schema für Einzelhandelsverkäufe aus. Die Schema wurden mit dem bereitgestellten Bootstrap-Skript im Lernprogramm Einzelhandelsverkäufe erstellen und Schema erstellen erstellt.

Schemas verwalten

Wählen Sie im Abschnitt Funktionsverwaltung im Schema-Viewer die Pachtnummer aus, um das Schema für die Eingabe des Einzelhandelsverkaufs zu erweitern. Wählen Sie die Ein- und Ausgabefunktionen aus, indem Sie die gewünschte Funktion markieren und entweder die Option Eingabefunktion oder Zielfunktion im rechten Fenster Feldeigenschaften auswählen. Legen Sie für diese Übung "weeklySales"als Zielgruppe-Funktion und alles andere als Eingabefunktion fest. Wählen Sie Weiter, um Ihr neues konfiguriertes Rezept zu überprüfen.

Prüfen Sie das Rezept und fügen Sie je nach Bedarf Konfigurationen hinzu bzw. ändern oder entfernen Sie sie. Wählen Sie Fertigstellen, um das Rezept zu erstellen.

Fahren Sie mit den nächsten Schritten fort, um herauszufinden, wie ein Modell in Data Science Workspace mit dem neu erstellten Rezept für den Einzelhandel erstellt wird.

Nächste Schritte

Dieses Lernprogramm bietet einen Einblick in die Konfiguration und den Import eines Skripts nach Data Science Workspace. Jetzt können Sie mit dem neu erstellten Rezept ein Modell erstellen, trainieren und bewerten.

Auf dieser Seite