모델을 서비스로 게시(API)

이 자습서에서는 모델을 서비스를 사용하여 서비스로 게시하는 프로세스에 대해 설명합니다 Sensei Machine Learning API.

시작하기

이 자습서에서는 Adobe Experience Platform 데이터 과학 작업 공간에 대한 작업 이해를 필요로 합니다. 이 자습서를 시작하기 전에 데이터 과학 작업 공간 개요를 검토하여 서비스에 대한 자세한 내용을 살펴보십시오.

이 튜토리얼을 따라 하려면 기존 ML 엔진, ML 인스턴스 및 실험 버전이 있어야 합니다. API에서 이러한 항목을 만드는 방법에 대한 단계는 패키지된 레시피 가져오기에 대한 자습서를 참조하십시오.

마지막으로, 이 자습서를 시작하기 전에 개발자 안내서의 시작하기 섹션 Sensei Machine Learning 에서 API를 성공적으로 호출하기 위해 이 자습서 전체에 사용된 필수 헤더를 포함하여, 알아야 하는 중요한 정보가 필요하면 이자습서를 참조하십시오.

{ACCESS_TOKEN}
{IMS_ORG}
{API_KEY}

모든 POST, PUT 및 PATCH 요청에는 추가 헤더가 필요합니다.

컨텐츠 유형:application/json

주요 용어

다음 표에서는 이 자습서에서 사용되는 몇 가지 일반적인 용어에 대해 설명합니다.

용어	정의
기계 학습 인스턴스(ML 인스턴스)	특정 데이터, 매개 변수 및 Sensei Sensei 코드를 포함하는 특정 테넌트에 대한 엔진 인스턴스입니다.
실험	교육 실험 실행, 점수 지정 실험 실행 또는 둘 모두를 보유하는 상위 엔티티.
실험 예약	사용자 정의 일정에 의해 제어되는 교육 또는 점수 실험 실행의 자동화를 설명하는 용어입니다.
실험 실행	트레이닝 또는 채점 실험의 특정 인스턴스. 특정 실험에서의 다중 실험 실행은 교육 또는 점수 지정에 사용되는 데이터 세트 값에서 다를 수 있습니다.
교육된 모델	검증된 모델에 도달하기 전에 실험 및 기능 엔지니어링 프로세스에 의해 만들어진 기계 학습 모델입니다.
게시된 모델	종결 및 버전 관리 모델이 트레이닝, 유효성 검사 및 평가 후 도착했습니다.
기계 학습 서비스(ML 서비스)	API 종단점을 사용한 트레이닝 및 점수에 대한 온디맨드 요청을 지원하기 위해 서비스로 배포된 ML 인스턴스입니다. 또한 기존 트레이닝된 실험 실행을 사용하여 ML 서비스를 만들 수 있습니다.

기존 트레이닝 실험 실행 및 예약된 점수를 사용하여 ML 서비스 만들기

교육 실험 실행을 ML 서비스로 게시하면 점수 지정 실험 실행에 POST 요청의 페이로드를 세부적으로 제공하여 점수 지정 일정을 예약할 수 있습니다. 그러면 점수에 대해 예약된 실험 엔티티가 생성됩니다.

API 형식

POST /mlServices

요청

curl -X POST 
  https://platform.adobe.io/data/sensei/mlServices
  -H 'Authorization: {ACCESS_TOKEN}' 
  -H 'x-api-key: {API_KEY}' 
  -H 'x-gw-ims-org-id: {IMS_ORG}'
  -H 'Content-Type: application/json'
  -d '{
        "name": "Service name",
        "description": "Service description",
        "trainingExperimentId": "c4155146-b38f-4a8b-86d8-1de3838c8d87",
        "trainingExperimentRunId": "5c5af39c73fcec153117eed1",
        "scoringDataSetId": "5c5af39c73fcec153117eed1",
        "scoringTimeframe": "20000",
        "scoringSchedule": {
          "startTime": "2019-04-09T00:00",
          "endTime": "2019-04-10T00:00",
          "cron": "10 * * * *"
        }
      }'

속성	설명
`mlInstanceId`	기존 ML 인스턴스 ID인 ML 서비스를 만드는 데 사용되는 교육 실험 실행은 이 특정 ML 인스턴스에 해당되어야 합니다.
`trainingExperimentId`	ML 인스턴스 식별에 해당하는 실험 식별
`trainingExperimentRunId`	ML 서비스를 게시하는 데 사용할 특정 교육 실험 실행
`scoringDataSetId`	예약된 점수 실험 실행에 사용될 특정 데이터 세트를 참조하는 식별.
`scoringTimeframe`	실험 실행에 사용할 데이터를 필터링하는 시간을 나타내는 정수 값. 예를 들어 값이 `10080` 지난 10080분 또는 168시간의 데이터를 각 예약된 점수 실험 실행에 사용합니다. 값 `0` 은 데이터를 필터링하지 않으며 데이터 세트 내의 모든 데이터는 점수 지정에 사용됩니다.
`scoringSchedule`	예약된 점수 실험 실행에 대한 세부 사항을 포함합니다.
`scoringSchedule.startTime`	점수를 시작할 시기를 나타내는 날짜/시간입니다.
`scoringSchedule.endTime`	점수를 시작할 시기를 나타내는 날짜/시간입니다.
`scoringSchedule.cron`	실험 실행에 점수를 매길 간격을 나타내는 크론 값.

응답

성공적인 응답은 고유 및 해당 점수 실험 id 에 대한 세부 사항 scoringExperimentId 을 비롯하여 새로 만든 ML 서비스의 세부 사항을 반환합니다.

{
  "id": "string",
  "name": "string",
  "description": "string",
  "mlInstanceId": "string",
  "trainingExperimentId": "string",
  "trainingExperimentRunId": "string",
  "scoringExperimentId": "string",
  "scoringDataSetId": "string",
  "scoringTimeframe": "integer",
  "scoringSchedule": {
    "startTime": "2019-03-13T00:00",
    "endTime": "2019-03-14T00:00",
    "cron": "30 * * * *"
  },
  "created": "2019-04-08T14:45:25.981Z",
  "updated": "2019-04-08T14:45:25.981Z"
}

기존 ML 인스턴스에서 ML 서비스 생성

특정 사용 사례와 요구 사항에 따라, ML 인스턴스를 사용하여 ML 서비스를 만드는 것은 트레이닝 예약과 실험 실행을 평가하는 측면에서 유연합니다. 이 자습서는 다음과 같은 특정 사례를 살펴봅니다.

예약된 교육이 필요하지 않지만 예약된 점수가 필요합니다.
트레이닝과 점수 모두에 대해 예약된 실험 실행이 필요합니다.

교육 또는 점수 지정 실험을 예약하지 않고도 ML 인스턴스를 사용하여 ML 서비스를 만들 수 있습니다. 이러한 ML 서비스는 일반 실험 실체뿐만 아니라 트레이닝과 채점용으로 단일 실험 실행을 만들 것입니다.

점수 매기기를 위한 ML 서비스

채점용으로 예약된 실험 실행이 포함된 ML 인스턴스를 게시하여 ML 서비스를 만들 수 있습니다. 그러면 일반 실험 실체가 생성되어 트레이닝할 수 있습니다. 교육 실험 실행이 생성되고 모든 예약된 점수 실험 실행에 사용됩니다. ML 서비스 mlInstanceId를 만드는 데 필요한 trainingDataSetId값 scoringDataSetId 과 값이 있는지 확인합니다.

API 형식

POST /mlServices

요청

curl -X POST 
  https://platform.adobe.io/data/sensei/mlServices
  -H 'Authorization: {ACCESS_TOKEN}' 
  -H 'x-api-key: {API_KEY}' 
  -H 'x-gw-ims-org-id: {IMS_ORG}' 
  -H 'x-sandbox-name: {SANDBOX_NAME}'
  -d '{
        "name": "Service name",
        "description": "Service description",
        "mlInstanceId": "c4155146-b38f-4a8b-86d8-1de3838c8d87",
        "trainingDataSetId": "5c5af39c73fcec153117eed1",
        "trainingTimeframe": "10000",
        "scoringDataSetId": "5c5af39c73fcec153117eed1",
        "scoringTimeframe": "20000",
        "scoringSchedule": {
          "startTime": "2019-04-09T00:00",
          "endTime": "2019-04-10T00:00",
          "cron": "10 * * * *"
        }
      }'

JSON 키	설명
`mlInstanceId`	ML 서비스를 만드는 데 사용되는 ML 인스턴스를 나타내는 기존 ML 인스턴스 ID입니다.
`trainingDataSetId`	교육 실험에 사용할 특정 데이터 세트를 참조하는 식별
`trainingTimeframe`	교육 실험에 사용할 데이터 필터링에 대한 시간을 나타내는 정수 값. 예를 들어, 값 `"10080"` 은 지난 10080분 또는 168시간의 데이터를 교육 실험 실행에 사용한다는 의미입니다. 값 `"0"` 은 데이터를 필터링하지 않으며 데이터 세트 내의 모든 데이터는 교육에 사용됩니다.
`scoringDataSetId`	예약된 점수 실험 실행에 사용될 특정 데이터 세트를 참조하는 식별.
`scoringTimeframe`	실험 실행에 사용할 데이터를 필터링하는 시간을 나타내는 정수 값. 예를 들어 값이 `"10080"` 지난 10080분 또는 168시간의 데이터를 각 예약된 점수 실험 실행에 사용합니다. 값 `"0"` 은 데이터를 필터링하지 않으며 데이터 세트 내의 모든 데이터는 점수 지정에 사용됩니다.
`scoringSchedule`	예약된 점수 실험 실행에 대한 세부 사항을 포함합니다.
`scoringSchedule.startTime`	점수를 시작할 시기를 나타내는 날짜/시간입니다.
`scoringSchedule.endTime`	점수를 시작할 시기를 나타내는 날짜/시간입니다.
`scoringSchedule.cron`	실험 실행에 점수를 매길 간격을 나타내는 크론 값.

응답

성공적인 응답은 새로 만든 ML 서비스의 세부 정보를 반환합니다. 여기에는 서비스의 고유한 기능 id과 해당 트레이닝 및 점수 실험 trainingExperimentId 에 대한 scoringExperimentId 및 해당 정보가 포함됩니다.

{
  "id": "string",
  "name": "string",
  "description": "string",
  "mlInstanceId": "string",
  "trainingExperimentId": "string",
  "trainingDataSetId": "string",
  "trainingTimeframe": "integer",
  "scoringExperimentId": "string",
  "scoringDataSetId": "string",
  "scoringTimeframe": "integer",
  "scoringSchedule": {
    "startTime": "2019-04-09T00:00",
    "endTime": "2019-04-10T00:00",
    "cron": "10 * * * *"
  },
  "created": "2019-04-09T08:58:10.956Z",
  "updated": "2019-04-09T08:58:10.956Z"
}

트레이닝 및 채점하기 위한 예약된 실험을 포함한 ML 서비스

예약된 교육 및 점수 실험 실행이 있는 ML 서비스로 기존 ML 인스턴스를 게시하려면 교육 및 점수 지정 일정을 모두 제공해야 합니다. 이 구성의 ML 서비스가 생성되면 교육 및 점수 모두에 대해 예약된 실험 엔티티가 생성됩니다. 교육 및 점수 지정 일정은 동일할 필요는 없습니다. 점수 지정 작업 실행 중, 예약된 교육 실험 실행에 의해 생성된 최신 교육 모델이 가져와 예약된 점수 책정기에 사용됩니다.

API 형식

POST /mlServices

요청

curl -X POST 'https://platform-int.adobe.io/data/sensei/mlServices' 
  -H 'Authorization: Bearer {ACCESS_TOKEN}' 
  -H 'x-api-key: {API_KEY}' 
  -H 'x-gw-ims-org-id: {IMS_ORG}' 
  -H 'x-sandbox-name: {SANDBOX_NAME}'
  -d '{
        "name": "string",
        "description": "string",
        "mlInstanceId": "string",
        "trainingDataSetId": "string",
        "trainingTimeframe": "string",
        "scoringDataSetId": "string",
        "scoringTimeframe": "string",
        "trainingSchedule": {
          "startTime": "2019-04-09T00:00",
          "endTime": "2019-04-10T00:00",
          "cron": "10 * * * *"
        },
        "scoringSchedule": {
          "startTime": "2019-04-09T00:00",
          "endTime": "2019-04-10T00:00",
          "cron": "10 * * * *"
        }
      }'

JSON 키	설명
`mlInstanceId`	ML 서비스를 만드는 데 사용되는 ML 인스턴스를 나타내는 기존 ML 인스턴스 ID입니다.
`trainingDataSetId`	교육 실험에 사용할 특정 데이터 세트를 참조하는 식별
`trainingTimeframe`	교육 실험에 사용할 데이터 필터링에 대한 시간을 나타내는 정수 값. 예를 들어, 값 `"10080"` 은 지난 10080분 또는 168시간의 데이터를 교육 실험 실행에 사용한다는 의미입니다. 값 `"0"` 은 데이터를 필터링하지 않으며 데이터 세트 내의 모든 데이터는 교육에 사용됩니다.
`scoringDataSetId`	예약된 점수 실험 실행에 사용될 특정 데이터 세트를 참조하는 식별.
`scoringTimeframe`	실험 실행에 사용할 데이터를 필터링하는 시간을 나타내는 정수 값. 예를 들어 값이 `"10080"` 지난 10080분 또는 168시간의 데이터를 각 예약된 점수 실험 실행에 사용합니다. 값 `"0"` 은 데이터를 필터링하지 않으며 데이터 세트 내의 모든 데이터는 점수 지정에 사용됩니다.
`trainingSchedule`	예약된 교육 실험 실행에 대한 세부 사항을 포함합니다.
`scoringSchedule`	예약된 점수 실험 실행에 대한 세부 사항을 포함합니다.
`scoringSchedule.startTime`	점수를 시작할 시기를 나타내는 날짜/시간입니다.
`scoringSchedule.endTime`	점수를 시작할 시기를 나타내는 날짜/시간입니다.
`scoringSchedule.cron`	실험 실행에 점수를 매길 간격을 나타내는 크론 값.

응답

성공적인 응답은 새로 만든 ML 서비스의 세부 정보를 반환합니다. 여기에는 서비스의 고유한 기능 id과 해당 트레이닝 및 채점 실험 trainingExperimentId 과 scoringExperimentId 가 각각 포함됩니다. 아래 예제 응답에서 교육 및 점수 trainingSchedule 를 위한 실험 엔티티가 예정된 실험임을 scoringSchedule 제안합니다.

{
  "id": "string",
  "name": "string",
  "description": "string",
  "mlInstanceId": "string",
  "trainingExperimentId": "string",
  "trainingDataSetId": "string",
  "trainingTimeframe": "integer",
  "scoringExperimentId": "string",
  "scoringDataSetId": "string",,
  "scoringTimeframe": "integer",
  "trainingSchedule": {
    "startTime": "2019-04-09T00:00",
    "endTime": "2019-04-10T00:00",
    "cron": "10 * * * *"
  },
  "scoringSchedule": {
    "startTime": "2019-04-09T00:00",
    "endTime": "2019-04-10T00:00",
    "cron": "10 * * * *"
  },
  "created": "2019-04-09T08:58:10.956Z",
  "updated": "2019-04-09T08:58:10.956Z"
}

ML 서비스 조회

경로에 ML 서비스의 고유한 기능을 제공하고 요청하여 기존 ML 서비스 GET /mlServices id 를 조회할 수 있습니다.

API 형식

GET /mlServices/{SERVICE_ID}

매개 변수	설명
`{SERVICE_ID}`	원하는 ML 서비스 `id` 의 고유한 기능

요청

curl -X GET 'https://platform.adobe.io/data/sensei/mlServices/{SERVICE_ID}' 
  -H 'Authorization: Bearer {ACCESS_TOKEN}' 
  -H 'x-api-key: {API_KEY}' 
  -H 'x-gw-ims-org-id: {IMS_ORG}' 
  -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

성공적인 응답은 ML 서비스의 세부 정보를 반환합니다.

{
  "id": "string",
  "name": "string",
  "description": "string",
  "mlInstanceId": "string",
  "trainingExperimentId": "string",
  "trainingDataSetId": "string",
  "trainingTimeframe": "integer",
  "scoringExperimentId": "string",
  "scoringDataSetId": "string",
  "scoringTimeframe": "integer",
  "trainingSchedule": {
    "startTime": "2019-04-09T00:00",
    "endTime": "2019-04-10T00:00",
    "cron": "10 * * * *"
  },
  "scoringSchedule": {
    "startTime": "2019-04-09T00:00",
    "endTime": "2019-04-10T00:00",
    "cron": "10 * * * *"
  },
  "created": "2019-05-13T23:46:03.478Z",
  "updated": "2019-05-13T23:46:03.478Z"
}

노트

다른 ML 서비스를 검색하면 키-값 쌍보다 많거나 적은 수의 응답이 반환될 수 있습니다. 위 응답은 예약된 트레이닝과 점수 지정 실험 실행 기능이 있는 ML 서비스의 표현입니다.

트레이닝 또는 점수 지정 예약

이미 게시된 ML 서비스에 대한 채점 및 트레이닝을 예약하려는 경우 기존 ML 서비스를 PUT 요청과 함께 업데이트하면 됩니다 /mlServices.

API 형식

PUT /mlServices/{SERVICE_ID}

매개 변수	설명
`{SERVICE_ID}`	업데이트하려는 ML 서비스 `id` 의 고유

요청

다음 요청은 해당, 키 및 키를 함께 추가하여 기존 ML 서비스 trainingSchedule 에 대한 교육 및 점수 scoringSchedule 를 startTime예약합니다 endTime cron .

curl -X PUT 'https://platform.adobe.io/data/sensei/mlServices/{SERVICE_ID}' 
  -H 'Authorization: {ACCESS_TOKEN}' 
  -H 'x-api-key: {API_KEY}' 
  -H 'x-gw-ims-org-id: {IMS_ORG}' 
  -H 'x-sandbox-name: {SANDBOX_NAME}'
  -d '{
        "name": "string",
        "description": "string",
        "mlInstanceId": "string",
        "trainingExperimentId": "string",
        "trainingDataSetId": "string",
        "trainingTimeframe": "integer",
        "scoringExperimentId": "string",
        "scoringDataSetId": "string",
        "scoringTimeframe": "integer",
        "trainingSchedule": {
          "startTime": "2019-04-09T00:00",
          "endTime": "2019-04-11T00:00",
          "cron": "20 * * * *"
        },
        "scoringSchedule": {
          "startTime": "2019-04-09T00:00",
          "endTime": "2019-04-11T00:00",
          "cron": "20 * * * *"
        }
      }'

경고

기존의 예약된 교육 및 점수 지정 작업 startTime 을 수정하지 마십시오. 수정할 startTime 경우 동일한 모델을 게시하고 교육 및 점수 지정 작업의 일정을 조정하십시오.

응답

성공적으로 응답하면 업데이트된 ML 서비스의 세부 정보가 반환됩니다.

{
  "id": "string",
  "name": "string",
  "description": "string",
  "mlInstanceId": "string",
  "trainingExperimentId": "string",
  "trainingDataSetId": "string",
  "trainingTimeframe": "integer",
  "scoringExperimentId": "string",
  "scoringDataSetId": "string",
  "scoringTimeframe": "integer",
  "trainingSchedule": {
    "startTime": "2019-04-09T00:00",
    "endTime": "2019-04-11T00:00",
    "cron": "20 * * * *"
  },
  "scoringSchedule": {
    "startTime": "2019-04-09T00:00",
    "endTime": "2019-04-11T00:00",
    "cron": "20 * * * *"
  },
  "created": "2019-04-09T08:58:10.956Z",
  "updated": "2019-04-09T09:43:55.563Z"
}

Adobe.com의 리소스

Asset Collections Email Marketing Audience Segmentation Identity Management Efficiency Tools Creative Management

모델을 서비스로 게시(API)

시작하기

주요 용어

기존 트레이닝 실험 실행 및 예약된 점수를 사용하여 ML 서비스 만들기

기존 ML 인스턴스에서 ML 서비스 생성

점수 매기기를 위한 ML 서비스

트레이닝 및 채점하기 위한 예약된 실험을 포함한 ML 서비스

ML 서비스 조회

트레이닝 또는 점수 지정 예약

Adobe.com의 리소스

이 페이지에서는

다음 보기: