- Información general sobre el área de trabajo de ciencias de datos
- Acceso y características de Área de trabajo de Data Science
- Recorrido de Área de trabajo de ciencias de datos
- Equipos portátiles JupyterLab
- API de aprendizaje automático de Sensei
- Aprendizaje automático en tiempo real (Alpha)
- Fórmulas prediseñadas
- Creación de modelos
- Tutoriales de modelo y fórmula
- Creación y publicación de un tutorial del modelo de aprendizaje automático
- Crear el esquema y conjunto de datos de ventas minoristas
- Esquemas y conjuntos de datos de previsualización
- Empaquetar archivos de origen en una fórmula
- Importación de una fórmula empaquetada (IU)
- Importación de una fórmula empaquetada (API)
- Formación y evaluación de un modelo (IU)
- Formación y evaluación de un modelo (API)
- Puntuación de un modelo (IU)
- Puntuación de un modelo (API)
- Optimizar un modelo
- Enriquecer el Perfil del cliente en tiempo real con perspectivas de aprendizaje automático
- Publicación de un modelo como servicio (UI)
- Publicación de un modelo como servicio (API)
- Programar la formación automatizada y la puntuación en un servicio (IU)
- Guía de resolución de problemas
- Referencia de API
- Notas de la versión de la plataforma
Introducción al aprendizaje automático en tiempo real (Alpha)
El aprendizaje automático en tiempo real todavía no está disponible para todos los usuarios. Esta función está en alfa y aún se está probando. Este documento está sujeto a cambios.
Para utilizar el aprendizaje automático en tiempo real, debe tener acceso a una organización aprovisionada con Adobe Experience Platform y Data Science Workspace. Además, necesita disponer de un conjunto de datos completo para su uso en la formación y la puntuación.
Las guías para aprendizaje automático en tiempo real requieren una comprensión práctica de los portátiles Python 3,Jupyter, la ciencia de datos y el aprendizaje automático.
Términos clave:
- DSL: Idioma específico del dominio.
- Edge: El servicio de puntuación de aprendizaje automático en tiempo real se puede ejecutar en clústeres de Edge más cerca de sus activaciones y aplicaciones.
- Hub: El alfa actual ejecuta el servicio de puntuación de aprendizaje automático en tiempo real en Adobe Experience Platform Hub mientras que Experience Edge Network está en desarrollo.
- Nodo: Un nodo es la unidad fundamental de la que se forman los gráficos. Cada nodo realiza una tarea específica y se puede encadenar mediante vínculos para formar un gráfico que represente una canalización ML. La tarea que realiza un nodo representa una operación en datos de entrada, como una transformación de datos o esquemas, o una inferencia de aprendizaje automático. El nodo envía el valor transformado o inferido a los nodos siguientes.
Conjuntos de datos en Adobe Experience Platform
Para realizar inicios mediante aprendizaje automático en tiempo real, debe tener acceso a un conjunto de datos. Tiene la opción de usar un conjunto de datos externo y cargarlo en su JupyterLab entorno o crear un nuevo conjunto de datos dentro de la plataforma si aún no lo ha hecho.
Usar un conjunto de datos externo
Para obtener más información sobre el uso de un conjunto de datos externo, como cargar datos en el JupyterLab entorno, visite el tutorial sobre el análisis de datos mediante portátiles.
Crear un nuevo conjunto de datos
Para crear un nuevo conjunto de datos para utilizarlo en el aprendizaje automático en tiempo real, necesita un esquema de datos para el conjunto de datos. A continuación, debe ingestar los datos con el esquema que ha creado. Utilice los siguientes tutoriales para crear y rellenar un conjunto de datos para Platform:
- Creación y rellenado de un conjunto de datos en la API
- Creación y rellenado de un conjunto de datos en la interfaz de usuario
Pasos siguientes
Una vez que haya preparado los datos para el aprendizaje automático en tiempo real, siga la guía del usuario del portátil de aprendizaje automático en tiempo real para aprender a crear y cargar un modelo ONNX en la tienda modelo de aprendizaje automático en tiempo real.