Creare pacchetti di file di origine in una ricetta

Questa esercitazione fornisce istruzioni su come creare un pacchetto dei file di origine di esempio di vendita al dettaglio forniti in un file di archivio, che può essere utilizzato per creare una ricetta in Adobe Experience Platform Data Science Workspace seguendo il flusso di lavoro di importazione delle ricette nell’interfaccia utente o utilizzando l’API.

Concetti da comprendere:

• Ricette: una ricetta è il termine di Adobe per una specifica di modello ed è un contenitore di livello superiore che rappresenta un apprendimento automatico specifico, un algoritmo di intelligenza artificiale o un insieme di algoritmi, una logica di elaborazione e una configurazione necessarie per creare ed eseguire un modello addestrato e quindi contribuire a risolvere problemi di business specifici.
• File di origine: singoli file nel progetto che contengono la logica per una ricetta.

Prerequisiti

• Docker
• Python 3 and pip
• Scala
• Maven

Creazione ricetta

La creazione della ricetta inizia con la creazione di pacchetti di file di origine per la creazione di un file di archivio. I file di origine definiscono la logica di apprendimento automatico e gli algoritmi utilizzati per risolvere un problema specifico presente e sono scritti in Python, R, PySpark o Scala. I file di archivio creati si presentano come un’immagine Docker. Una volta generato, il file di archivio viene importato in Data Science Workspace per creare una ricetta nell’interfaccia utente o utilizzo dell’API.

Authoring di modelli basato su Docker

Un’immagine Docker consente a uno sviluppatore di creare un pacchetto di un’applicazione con tutte le parti necessarie, come librerie e altre dipendenze, e di distribuirlo come un unico pacchetto.

L’immagine Docker generata viene inviata al registro dei contenitori di Azure utilizzando le credenziali fornite durante il flusso di lavoro per la creazione della ricetta.

Per ottenere le credenziali del Registro di sistema del contenitore di Azure, accedi a Adobe Experience Platform. Nella colonna di navigazione a sinistra, passa a Flussi di lavoro. Seleziona Importa ricetta seguito dalla selezione Launch. Per maggiori informazioni, vedere la schermata seguente.

Il Configura viene visualizzata la pagina. Fornisci un Nome ricetta, ad esempio "ricetta di vendita al dettaglio" e, facoltativamente, fornire una descrizione o un URL della documentazione. Al termine, fai clic su Successivo.

Seleziona la scheda appropriata Runtime, quindi scegli un Classificazione per Tipo. Le credenziali del Registro di sistema del contenitore di Azure vengono generate una volta completate.

Osserva i valori per Docker host, nome utente e password. Questi vengono utilizzati per generare e inviare Docker immagine nei flussi di lavoro descritti di seguito.

Creare un pacchetto dei file di origine

Inizia ottenendo il codebase di esempio trovato nella Experience Platform di riferimento di Data Science Workspace archivio.

• Creare un’immagine Python Docker
• Genera immagine Docker R
• Crea immagine Docker PySpark
• Crea immagine Docker Scala (Spark)

Genera Python Immagine Docker

Se non lo hai fatto, clona il file GitHub sul sistema locale con il seguente comando:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Passa alla directory experience-platform-dsw-reference/recipes/python/retail. Qui troverai gli script login.sh e build.sh utilizzato per accedere a Docker e per generare Python Docker immagine. Se ha il suo Credenziali Docker a questo punto, immetti i seguenti comandi nell’ordine indicato:

# for logging in to Docker
./login.sh

# for building Docker image
./build.sh

Durante l’esecuzione dello script di accesso, devi fornire l’host Docker, il nome utente e la password. Durante la generazione, devi fornire l’host Docker e un tag di versione per la build.

Una volta completato lo script di build, nell’output della console viene fornito l’URL del file di origine Docker. Per questo esempio specifico, avrà un aspetto simile a:

# URL format:
{DOCKER_HOST}/ml-retailsales-python:{VERSION_TAG}

Copia questo URL e passa a passaggi successivi.

Build R Docker immagine

Se non lo hai fatto, clona il file GitHub sul sistema locale con il seguente comando:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Passa alla directory experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting nell’archivio clonato. Qui troverai i file login.sh e build.sh che utilizzerai per accedere a Docker e per generare l’immagine R Docker. Se ha il suo Credenziali Docker a questo punto, immetti i seguenti comandi nell’ordine indicato:

# for logging in to Docker
./login.sh

# for build Docker image
./build.sh

Durante l’esecuzione dello script di accesso, devi fornire l’host Docker, il nome utente e la password. Durante la generazione, devi fornire l’host Docker e un tag di versione per la build.

Una volta completato lo script di build, nell’output della console viene fornito l’URL del file di origine Docker. Per questo esempio specifico, avrà un aspetto simile a:

# URL format:
{DOCKER_HOST}/ml-retail-r:{VERSION_TAG}

Copia questo URL e passa a passaggi successivi.

Crea immagine Docker PySpark

Iniziare clonando il file GitHub sul sistema locale con il seguente comando:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Passa alla directory experience-platform-dsw-reference/recipes/pyspark/retail. Gli script login.sh e build.sh si trovano qui e vengono utilizzati per accedere a Docker e per generare l’immagine Docker. Se ha il suo Credenziali Docker a questo punto, immetti i seguenti comandi nell’ordine indicato:

# for logging in to Docker
./login.sh

# for building Docker image
./build.sh

Durante l’esecuzione dello script di accesso, devi fornire l’host Docker, il nome utente e la password. Durante la generazione, devi fornire l’host Docker e un tag di versione per la build.

Una volta completato lo script di build, nell’output della console viene fornito l’URL del file di origine Docker. Per questo esempio specifico, avrà un aspetto simile a:

# URL format:
{DOCKER_HOST}/ml-retailsales-pyspark:{VERSION_TAG}

Copia questo URL e passa a passaggi successivi.

Crea immagine Docker Scala

Iniziare clonando il file GitHub sul sistema locale con il seguente comando nel terminale:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Quindi, passa alla directory experience-platform-dsw-reference/recipes/scala dove trovare gli script login.sh e build.sh. Questi script vengono utilizzati per accedere a Docker e generare l’immagine Docker. Se ha il suo Credenziali Docker a questo punto, immettere i seguenti comandi nel terminale:

# for logging in to Docker
./login.sh

# for building Docker image
./build.sh

Durante l’esecuzione dello script di accesso, devi fornire l’host Docker, il nome utente e la password. Durante la generazione, devi fornire l’host Docker e un tag di versione per la build.

Una volta completato lo script di build, nell’output della console viene fornito l’URL del file di origine Docker. Per questo esempio specifico, avrà un aspetto simile a:

# URL format:
{DOCKER_HOST}/ml-retailsales-spark:{VERSION_TAG}

Copia questo URL e passa a passaggi successivi.

Passaggi successivi

Questo tutorial illustra come creare pacchetti di file di origine in una ricetta, il passaggio preliminare per importare una ricetta in Data Science Workspace. Ora dovresti disporre di un’immagine Docker nel registro dei contenitori di Azure insieme all’URL dell’immagine corrispondente. Ora puoi iniziare il tutorial sull’importazione di una ricetta in pacchetti in Data Science Workspace. Per iniziare, seleziona uno dei collegamenti alle esercitazioni seguenti:

• Importare una composizione in pacchetti nell’interfaccia utente
• Importare una composizione in pacchetti utilizzando l’API

Risorse Business.Adobe.com

Automated Onboarding Customer Analytics Dynamic Content Customer Journey Contribution Analysis People Based Marketing