Importar uma receita empacotada (IU)

Este tutorial fornece informações sobre como configurar e importar uma receita empacotada usando o exemplo de Vendas de Varejo fornecido. Até o final deste tutorial, você estará pronto para criar, treinar e avaliar um Modelo no Adobe Experience Platform Data Science Workspace.

Pré-requisitos

Este tutorial requer uma fórmula empacotada na forma de um URL de imagem do Docker. Consulte o tutorial sobre como agrupar arquivos de origem em uma Receita para obter mais informações.

Fluxo de trabalho da interface

A importação de uma fórmula empacotada para Data Science Workspace requer configurações de fórmula específicas, compiladas em um único arquivo JSON (JavaScript Object Notation), essa compilação de configurações de fórmula é chamada de arquivo de configuração. Uma fórmula embalada com um conjunto específico de configurações é chamada de instância da receita. Uma fórmula pode ser usada para criar várias instâncias de fórmula em Data Science Workspace.

O fluxo de trabalho para importar uma fórmula de pacote consiste nas seguintes etapas:

• Configurar uma fórmula
• Importar fórmula baseada no Docker - Python
• Importar fórmula baseada no Docker - R
• Importar fórmula baseada no Docker - PySpark
• Importar fórmula baseada no Docker - Scala

Configurar uma fórmula

Cada instância da receita em Data Science Workspace é acompanhada de um conjunto de configurações que adaptam a instância da receita para atender a um caso de uso específico. Os arquivos de configuração definem os comportamentos padrão de treinamento e pontuação de um Modelo criado usando essa instância da fórmula.

Abaixo está um exemplo de arquivo de configuração mostrando os comportamentos padrão de treinamento e pontuação para a receita de vendas de varejo.

[
    {
        "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}"
            }
        ]
    }
]

Tecla Parameter	Tipo	Descrição
learning_rate	Número	Escalar para multiplicação de gradiente.
n_estimators	Número	Número de árvores na floresta para Classificador Random Forest.
max_depth	Número	Profundidade máxima de uma árvore no Classificador Random Forest.
ACP_DSW_INPUT_FEATURES	String	Lista de atributos de schema de entrada separados por vírgulas.
ACP_DSW_TARGET_FEATURES	String	Lista de atributos de schema de saída separados por vírgulas.
ACP_DSW_FEATURE_UPDATE_SUPPORT	Booleano	Determina se os recursos de entrada e saída são modificáveis
tenantId	String	Essa ID garante que os recursos criados sejam devidamente nomeados e estejam contidos em sua Organização IMS. Siga as etapas aqui para localizar sua ID de locatário.
ACP_DSW_TRAINING_XDM_SCHEMA	String	O schema de entrada usado para treinar um Modelo. Deixe isso vazio ao importar na interface do usuário, substitua por SchemaID de treinamento ao importar usando a API.
evaluation.labelColumn	String	Rótulo de coluna para visualizações de avaliação.
evaluation.metrics	String	Lista separada por vírgulas de métricas de avaliação a serem usadas para avaliar um Modelo.
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA	String	O schema de saída usado para marcar um Modelo. Deixe isso vazio ao importar na interface do usuário, substitua por SchemaID de pontuação ao importar usando a API.

Para a finalidade deste tutorial, você pode deixar os arquivos de configuração padrão para a receita de Vendas de varejo na Data Science Workspace Referência da forma como eles são.

Importar fórmula baseada no Docker - Python

Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.

A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Digite um nome e uma descrição para a fórmula e selecione Próximo no canto superior direito.

Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando arquivos Python de origem no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/python/retail/retail.config.json. Selecione Python na lista suspensa Tempo de execução e Classificação na lista suspensa Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.

Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .

Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina semanalmenteSales como o Recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova fórmula configurada.

Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.

Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.

Importar fórmula baseada no Docker - R

Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.

A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Digite um nome e uma descrição para a fórmula e selecione Próximo no canto superior direito.

Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando os arquivos de origem R no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. Selecione R no menu suspenso Tempo de execução e Classificação no menu suspenso Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.

Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .

Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina semanalmenteSales como o Recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova receita configurada.

Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.

Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.

Importar fórmula baseada no Docker - PySpark

Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.

A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Insira um nome e uma descrição para a receita e selecione Próximo no canto superior direito para prosseguir.

Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando os arquivos de origem do PySpark no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. Selecione PySpark no menu suspenso Runtime . Depois que o tempo de execução PySpark é selecionado, o artefato padrão é preenchido automaticamente para o Docker. Em seguida, selecione Classificação no menu suspenso Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.

Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .

Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina semanalmenteSales como o Recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova fórmula configurada.

Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.

Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.

Importar fórmula baseada no Docker - Scala

Start navegando e selecionando Workflows localizados na parte superior esquerda da Platform interface do usuário. Em seguida, selecione Importar fórmula e clique em Iniciar.

A página Configurar para o fluxo de trabalho da fórmula Importar é exibida. Insira um nome e uma descrição para a receita e selecione Próximo no canto superior direito para prosseguir.

Quando estiver na página Selecionar origem , cole o URL do Docker correspondente à fórmula empacotada criada usando os arquivos de origem do Scala no campo URL de origem. Em seguida, importe o arquivo de configuração fornecido arrastando e soltando ou use o navegador do sistema de arquivos. O arquivo de configuração fornecido pode ser encontrado em experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. Selecione Spark no menu suspenso Runtime . Depois que o tempo de execução é selecionado, o artefato padrão é preenchido automaticamente para o Spark Docker ​. Em seguida, selecione Regressão no menu suspenso Tipo . Depois que tudo estiver preenchido, clique em Avançar no canto superior direito para prosseguir para Gerenciar schemas.

Em seguida, selecione os schemas de entrada e saída do Retail Sales na seção Gerenciar Schemas, eles foram criados usando o script de inicialização fornecido no tutorial de criação do schema de vendas de varejo e do conjunto de dados .

Na seção Gerenciamento de recursos, clique na identificação do locatário no visualizador de schemas para expandir o schema de entrada Vendas de varejo. Selecione os recursos de entrada e saída destacando o recurso desejado e selecionando Recurso de entrada ou Recurso de Público alvo na janela Propriedades do campo direita. Para a finalidade deste tutorial, defina "semanalSales" como o recurso do Público alvo e tudo o mais como Recurso de entrada. Clique em Avançar para revisar sua nova fórmula configurada.

Revise a receita, adicione, modifique ou remova configurações conforme necessário. Clique em Concluir para criar a fórmula.

Vá para as próximas etapas para descobrir como criar um Modelo Data Science Workspace usando a fórmula recém-criada de Vendas de Varejo.

Próximas etapas

Este tutorial forneceu informações sobre como configurar e importar uma receita para Data Science Workspace. Agora você pode criar, treinar e avaliar um Modelo usando a fórmula recém-criada.

• Treinar e avaliar um modelo na interface do usuário
• Treinar e avaliar um modelo usando a API