Pontuar um modelo usando o Sensei Machine Learning API

Este tutorial mostrará como aproveitar as APIs para criar um Experimento e uma Execução de Experimento. Para obter uma lista detalhada da documentação da API, consulte este documento.

Criar um Experimento agendado para pontuação

Semelhante aos Experimentos agendados para treinamento, a criação de um Experimento agendado para pontuação também é feita ao incluir uma seção template no parâmetro body . Além disso, o campo name em tasks no corpo é definido como score.

Este é um exemplo de criação de um Experimento que será executado a cada 20 minutos a partir de startTime e será executado até endTime.

Solicitação

curl -X POST \
  https://platform.adobe.io/data/sensei/experiments \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=experiment.v1.json' \
  -H 'x-gw-ims-org-id: {IMS_ORG}' \
  -H 'x-api-key: {API_KEY}' \
  -d '{JSON_PAYLOAD}'

{IMS_ORG}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{API_KEY}: Seu valor específico da chave de API encontrado na integração exclusiva do Adobe Experience Platform.
{JSON_PAYLOAD}: Objeto de Execução de Experimento a ser enviado. O exemplo usado em nosso tutorial é mostrado aqui:

{
    "name": "Experiment for Retail",
    "mlInstanceId": "{INSTANCE_ID}",
    "template": {
        "tasks": [{
            "name": "score",
            "parameters": [
                {
                    "key": "modelId",
                    "value": "{MODEL_ID}"
                }
            ],
            "specification": {
                "type": "SparkTaskSpec",
                "executorCores": 5,
                "numExecutors": 5
            }
        }],
        "schedule": {
            "cron": "*/20 * * * *",
            "startTime": "2018-07-04",
            "endTime": "2018-07-06"
        }
    }
}

{INSTANCE_ID}: A ID que representa a instância MLI.
{MODEL_ID}: A ID que representa o Modelo treinado.

A resposta a seguir é após criar o Experimento agendado.

Resposta

{
  "id": "{EXPERIMENT_ID}",
  "name": "Experiment for Retail",
  "mlInstanceId": "{INSTANCE_ID}",
  "created": "2018-11-11T11:11:11.111Z",
  "updated": "2018-11-11T11:11:11.111Z",
  "template": {
    "tasks": [
      {
        "name": "score",
        "parameters": [...],
        "specification": {
          "type": "SparkTaskSpec",
          "executorCores": 5,
          "numExecutors": 5
        }
      }
    ],
    "schedule": {
      "cron": "*\/20 * * * *",
      "startTime": "2018-07-04",
      "endTime": "2018-07-06"
    }
  }
}

{EXPERIMENT_ID}: A ID que representa o Experimento.
{INSTANCE_ID}: A ID que representa a instância MLI.

Criar uma execução de experimento para pontuação

Agora, com o modelo treinado, podemos criar uma Execução de experiência para pontuação. O valor do parâmetro modelId é o parâmetro id retornado na solicitação de Modelo do GET acima.

Solicitação

curl -X POST \
  https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}/runs \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'Content-Type: application/vnd.adobe.platform.sensei+json;profile=experimentRun.v1.json' \
  -H 'x-gw-ims-org-id: {IMS_ORG}' \
  -H 'x-api-key: {API_KEY}' \
  -d '{JSON_PAYLOAD}'

{IMS_ORG}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{API_KEY}: Seu valor específico da chave de API encontrado na integração exclusiva do Adobe Experience Platform.
{EXPERIMENT_ID}: A ID correspondente ao Experimento que você deseja direcionar. Isso pode ser encontrado na resposta ao criar seu Experimento.
{JSON_PAYLOAD}: Dados a publicar. O exemplo usado em nosso tutorial está aqui:

{
   "mode":"score",
    "tasks": [
        {
            "name": "score",
            "parameters": [
                {
                    "key": "modelId",
                    "value": "{MODEL_ID}"
                }
            ]
        }
    ]
}

{MODEL_ID}: A ID correspondente ao Modelo.

A resposta da criação da Execução de Experimento é mostrada abaixo:

Resposta

{
    "id": "{EXPERIMENT_RUN_ID}",
    "mode": "score",
    "experimentId": "{EXPERIMENT_ID}",
    "created": "2018-01-01T11:11:11.011Z",
    "updated": "2018-01-01T11:11:11.011Z",
    "deleted": false,
    "tasks": [
        {
            "name": "score",
            "parameters": [...]
        }
    ]
}

{EXPERIMENT_ID}: A ID correspondente ao Experimento em que a execução está.
{EXPERIMENT_RUN_ID}: A ID correspondente à Execução do experimento que você acabou de criar.

Recuperar um status de Execução de experiência para Execução de experiência agendada

Para obter Execuções de Experimento para Experimentos programados, a consulta é mostrada abaixo:

Solicitação

curl -X GET \
  'https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}/runs' \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-gw-ims-org-id: {IMS_ORG}'

{EXPERIMENT_ID}: A ID correspondente ao Experimento em que a execução está.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{IMS_ORG}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.

Como há várias execuções de experimento para um experimento específico, a resposta retornada terá uma matriz de IDs de execução.

Resposta

{
    "children": [
        {
            "id": "{EXPERIMENT_RUN_ID}",
            "experimentId": "{EXPERIMENT_ID}",
            "created": "2018-01-01T11:11:11.011Z",
            "updated": "2018-01-01T11:11:11.011Z"
        },
        {
            "id": "{EXPERIMENT_RUN_ID}",
            "experimentId": "{EXPERIMENT_ID}",
            "created": "2018-01-01T11:11:11.011Z",
            "updated": "2018-01-01T11:11:11.011Z"
        }
    ]
}

{EXPERIMENT_RUN_ID}: A ID correspondente à Execução do experimento.
{EXPERIMENT_ID}: A ID correspondente ao Experimento em que a execução está.

Parar e excluir um experimento programado

Se você quiser interromper a execução de um Experimento agendado antes de seu endTime, isso pode ser feito consultando uma solicitação de DELETE para o {EXPERIMENT_ID}

Solicitação

curl -X DELETE \
  'https://platform.adobe.io/data/sensei/experiments/{EXPERIMENT_ID}' \
  -H 'Authorization: Bearer {ACCESS_TOKEN}' \
  -H 'x-gw-ims-org-id: {IMS_ORG}'

{EXPERIMENT_ID}: A ID correspondente ao Experimento.
{ACCESS_TOKEN}: O valor do token portador específico fornecido após a autenticação.
{IMS_ORG}: Suas credenciais da organização IMS encontradas na integração exclusiva do Adobe Experience Platform.

Veja a seguir a Resposta notificando que o Experimento foi excluído com êxito.

Resposta

{
    "title": "Success",
    "status": 200,
    "detail": "Experiment successfully deleted"
}