Prise en main de l’apprentissage automatique en temps réel (Alpha)

IMPORTANT

L’apprentissage automatique en temps réel n’est pas encore disponible pour tous les utilisateurs. Cette fonctionnalité est en version alpha et est encore en cours de test. Ce document peut faire l’objet de modifications.

Pour utiliser l’apprentissage automatique en temps réel, vous devez avoir accès à une organisation configurée avec Adobe Experience Platform et Data Science Workspace. De plus, vous devez disposer d’un jeu de données complet à utiliser dans la formation et la notation.

Les guides d’apprentissage automatique en temps réel nécessitent une compréhension pratique de Python 3, notebooks Jupyter, de la science des données et de l’apprentissage automatique.

Termes clés:

  • DSL : Langue spécifique au domaine.
  • Edge : le service de notation d’apprentissage automatique en temps réel peut être exécuté sur des grappes Edge plus proches de vos activités et applications.
  • Hub : l’alpha actuel exécute le service de notation d’apprentissage automatique en temps réel sur Adobe Experience Platform Hub pendant que le réseau Experience Edge est en cours de développement.
  • Noeud : un noeud est l’unité fondamentale de laquelle des graphiques sont formés. Chaque noeud effectue une tâche spécifique et peut être lié ensemble à l’aide de liens afin de former un graphique représentant un pipeline ML. La tâche effectuée par un noeud représente une opération sur les données d’entrée, telle qu’une transformation des données ou un schéma, ou une inférence d’apprentissage automatique. Le noeud sort la valeur transformée ou déduite au(x) noeud(s) suivant(s).

Jeux de données dans Adobe Experience Platform

Pour commencer à utiliser l’apprentissage automatique en temps réel, vous devez avoir accès à un jeu de données. Vous avez la possibilité d’utiliser un jeu de données externe et de le charger dans votre environnement JupyterLab ou de créer un nouveau jeu de données dans Platform si vous ne l’avez pas déjà fait.

REMARQUE

Si vous souhaitez déjà utiliser un jeu de données, vous pouvez passer aux Étapes suivantes.

Utilisation d’un jeu de données externe

Pour en savoir plus sur l’utilisation d’un jeu de données externe tel que le chargement de données dans votre environnement JupyterLab, consultez le tutoriel sur l’analyse de vos données à l’aide de notebooks.

Création d’un nouveau jeu de données

Pour créer un jeu de données à utiliser dans l’apprentissage automatique en temps réel, vous avez besoin d’un schéma de données pour votre jeu de données. Ensuite, vous devez ingérer des données à l’aide du schéma que vous avez créé. Utilisez les tutoriels suivants pour créer et renseigner un jeu de données pour Platform :

Étapes suivantes

Une fois que vous avez préparé vos données pour l’apprentissage automatique en temps réel, commencez par suivre le guide d’utilisation du notebook d’apprentissage automatique en temps réel pour apprendre à créer et charger un modèle ONNX dans la boutique de modèles d’apprentissage automatique en temps réel.

Sur cette page