Empacotar arquivos de origem em uma fórmula

Este tutorial fornece instruções sobre como você pode disponibilizar os arquivos de origem de amostra de Vendas de varejo fornecidos em um arquivo de arquivamento, que pode ser usado para criar uma fórmula no Adobe Experience Platform Data Science Workspace seguindo o fluxo de trabalho de importação da fórmula na interface do usuário ou usando a API.

Conceitos para entender:

• Receitas: Uma receita é um termo para uma especificação de modelo e um container de nível superior representando um aprendizado de máquina específico, algoritmo de inteligência artificial ou conjunto de algoritmos, lógica de processamento e configuração necessários para criar e executar um modelo e, portanto, ajudar a resolver problemas específicos da empresa.
• Arquivos de origem: Arquivos individuais em seu projeto que contêm a lógica de uma fórmula.

Pré-requisitos

• Docker
• Python 3 and pip
• Scala
• Maven

Criação de receita

Receba start de criação com arquivos de origem de empacotamento para criar um arquivo. Os arquivos de origem definem a lógica e os algoritmos de aprendizado da máquina usados para resolver um problema específico em mãos e são escritos em Python, R, PySpark ou Scala. Os arquivos de arquivamento criados assumem a forma de uma imagem Docker. Depois de criado, o arquivo de arquivamento empacotado é importado para Data Science Workspace para criar uma fórmula na interface do usuário ou usando a API.

Criação de modelo com base em docking

Uma imagem do Docker permite que um desenvolvedor empacote um aplicativo com todas as partes de que precisa, como bibliotecas e outras dependências, e envie-o como um pacote.

A imagem do Docker criada é enviada para o Registro de Container do Azure usando as credenciais fornecidas a você durante o fluxo de trabalho de criação da receita.

Para obter suas credenciais do Registro de Container do Azure, faça logon em Adobe Experience Platform. Na coluna de navegação esquerda, navegue até Workflows. Selecione Importar receita seguido de selecionar Iniciar. Consulte a captura de tela abaixo para obter referência.

A página Configurar é aberta. Forneça um Nome da Receita apropriado, por exemplo, "Fórmula de Vendas de Varejo" e, opcionalmente, forneça uma descrição ou um URL de documentação. Depois de concluído, clique em Próximo.

Selecione o Runtime apropriado e escolha um Classificação para Tipo. Suas credenciais do Registro de Container do Azure são geradas uma vez concluídas.

Anote os valores para host, nome de usuário e senha do Docker. Eles são usados para criar e mover sua imagem Docker nos workflows descritos abaixo.

Empacotar os arquivos de origem

Start obtendo a base de códigos de amostra encontrada no repositório Experience Platform Data Science Workspace Reference.

• Criar imagem do Docker Python
• Imagem do Docker Build R
• Criar imagem PySpark Docker
• Criar imagem Docker Scala (Spark)

Criar Python imagem do Docker

Se você não tiver feito isso, clone o repositório GitHub no sistema local com o seguinte comando:

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

Navegue até o diretório experience-platform-dsw-reference/recipes/python/retail. Aqui, você encontrará os scripts login.sh e build.sh usados para fazer logon no Docker e para criar a imagem Python Docker. Se você tiver suas credenciais do Docker prontas, digite os seguintes comandos na ordem:

# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

Observe que ao executar o script de login, é necessário fornecer o host do Docker, o nome de usuário e a senha. Ao criar, é necessário fornecer o host do Docker e uma tag de versão para a compilação.

Quando o script de compilação for concluído, você receberá um URL de arquivo de origem do Docker na saída do console. Para este exemplo específico, ele será semelhante a:

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

Copie esse URL e vá para as próximas etapas.

Criar imagem R Docker

Se você não tiver feito isso, clone o repositório GitHub no sistema local com o seguinte comando:

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

Navegue até o diretório experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting dentro do repositório clonado. Aqui, você encontrará os arquivos login.sh e build.sh que serão usados para fazer logon no Docker e para criar a imagem R Docker. Se você tiver suas credenciais do Docker prontas, digite os seguintes comandos na ordem:

# for logging in to Docker
./login.sh
 
# for build Docker image
./build.sh

Observe que ao executar o script de login, é necessário fornecer o host do Docker, o nome de usuário e a senha. Ao criar, é necessário fornecer o host do Docker e uma tag de versão para a compilação.

Quando o script de compilação for concluído, você receberá um URL de arquivo de origem do Docker na saída do console. Para este exemplo específico, ele será semelhante a:

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

Copie esse URL e vá para as próximas etapas.

Criar imagem do Docker PySpark

Start clonando o repositório GitHub em seu sistema local com o seguinte comando:

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

Navegue até o diretório experience-platform-dsw-reference/recipes/pyspark/retail. Os scripts login.sh e build.sh estão localizados aqui e são usados para fazer logon no Docker e para criar a imagem do Docker. Se você tiver suas credenciais do Docker prontas, digite os seguintes comandos na ordem:

# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

Observe que ao executar o script de login, é necessário fornecer o host do Docker, o nome de usuário e a senha. Ao criar, é necessário fornecer o host do Docker e uma tag de versão para a compilação.

Quando o script de compilação for concluído, você receberá um URL de arquivo de origem do Docker na saída do console. Para este exemplo específico, ele será semelhante a:

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

Copie esse URL e vá para as próximas etapas.

Criar imagem Scala Docker

Start clonando o repositório GitHub no sistema local com o seguinte comando no terminal:

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

Em seguida, navegue até o diretório experience-platform-dsw-reference/recipes/scala, onde você pode encontrar os scripts login.sh e build.sh. Esses scripts são usados para fazer logon no Docker e criar a imagem do Docker. Se você tiver suas credenciais do Docker prontas, digite os seguintes comandos para o terminal em ordem:

# for logging in to Docker
./login.sh
 
# for building Docker image
./build.sh

Ao executar o script de login, é necessário fornecer o host do Docker, o nome de usuário e a senha. Ao criar, é necessário fornecer o host do Docker e uma tag de versão para a compilação.

Quando o script de compilação for concluído, você receberá um URL de arquivo de origem do Docker na saída do console. Para este exemplo específico, ele será semelhante a:

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

Copie esse URL e vá para as próximas etapas.

Próximas etapas

Este tutorial passou do empacotamento de arquivos de origem para uma Receita, a etapa de pré-requisito para importar uma Receita para Data Science Workspace. Agora você deve ter uma imagem do Docker no Registro de Container do Azure junto com o URL da imagem correspondente. Agora você está pronto para iniciar o tutorial sobre como importar uma receita empacotada para Data Science Workspace. Selecione um dos links do tutorial abaixo para começar:

• Importar uma receita empacotada na interface do usuário
• Importar uma Receita empacotada usando a API