Guida introduttiva all’apprendimento automatico in tempo reale (Alpha)

IMPORTANTE

L'apprendimento automatico in tempo reale non è ancora disponibile per tutti gli utenti. Questa funzione è in alfa e viene ancora testata. Questo documento è soggetto a modifiche.

Per utilizzare il machine learning in tempo reale, è necessario avere accesso a un'organizzazione con provisioning di Adobe Experience Platform e Data Science Workspace. Inoltre, devi disporre di un set di dati completo per l’utilizzo in formazione e valutazione.

Le guide per l'apprendimento automatico in tempo reale richiedono una comprensione funzionante di Python 3, Jupyter Notebooks, scienza dei dati e apprendimento automatico.

Termini chiave:

  • DSL: lingua specifica del dominio.
  • Edge: il servizio di valutazione del machine learning in tempo reale può essere eseguito su cluster Edge più vicini alle tue attivazioni e applicazioni.
  • Hub: l’alfa corrente esegue il servizio di valutazione del machine learning in tempo reale su Adobe Experience Platform Hub mentre Experience Edge Network è in fase di sviluppo.
  • Nodo: Un Nodo è l'unità fondamentale di cui si formano i grafici. Ogni nodo esegue un'attività specifica e può essere concatenato utilizzando i collegamenti per formare un grafico che rappresenta una pipeline ML. L'attività eseguita da un nodo rappresenta un'operazione sui dati di input, ad esempio una trasformazione di dati o schemi o un'inferenza di apprendimento automatico. Il nodo restituisce il valore trasformato o dedotto ai nodi successivi.

Set di dati in Adobe Experience Platform

Per iniziare a utilizzare l'apprendimento automatico in tempo reale, è necessario avere accesso a un set di dati. Puoi utilizzare un set di dati esterno e caricarlo nell’ambiente JupyterLab oppure creare un nuovo set di dati all’interno di Platform, se non lo hai già fatto.

NOTA

Se disponi già di un set di dati da utilizzare, puoi passare a Passaggi successivi.

Utilizzare un set di dati esterno

Per ulteriori informazioni sull'utilizzo di un set di dati esterno, ad esempio il caricamento di dati nell'ambiente JupyterLab, visita l'esercitazione su l'analisi dei dati tramite blocchi appunti.

Creare un nuovo set di dati

Per creare un nuovo set di dati da utilizzare in Real-time Machine Learning, è necessario uno schema di dati per il set di dati. Successivamente, devi acquisire i dati utilizzando lo schema creato. Utilizza le seguenti esercitazioni per creare e popolare un set di dati per Platform:

Passaggi successivi

Una volta preparati i dati per il machine learning in tempo reale, inizia seguendo la Guida utente del notebook Real-time Machine Learning per imparare a creare e caricare un modello ONNX nello store del modello Real-time Machine Learning.

In questa pagina