Introdução ao aprendizado de máquina em tempo real (Alpha)

IMPORTANTE

O aprendizado de máquina em tempo real ainda não está disponível para todos os usuários. Esse recurso está em alfa e ainda está sendo testado. Este documento está sujeito a mudanças.

Para utilizar o aprendizado de máquina em tempo real, é necessário ter acesso a uma organização provisionada com a Adobe Experience Platform e Data Science Workspace. Além disso, é necessário ter um conjunto de dados completo para uso em treinamento e pontuação.

Os guias de aprendizado de máquina em tempo real exigem uma compreensão funcional dos notebooks Python 3, Júpiter, da ciência de dados e do aprendizado de máquina.

Principais termos:

  • DSL:Idioma específico do domínio.
  • Edge: o serviço de pontuação de aprendizado de máquina em tempo real pode ser executado em clusters do Edge mais próximos às suas ativações e aplicativos.
  • Hub: O alfa atual está executando o serviço de pontuação de aprendizado de máquina em tempo real no Adobe Experience Platform Hub enquanto a Experience Edge Network está em desenvolvimento.
  • Nó: Um Nó é a unidade fundamental da qual os gráficos são formados. Cada nó executa uma tarefa específica e eles podem ser encadeados juntos usando links para formar um gráfico que representa um pipeline ML. A tarefa executada por um nó representa uma operação em dados de entrada, como uma transformação de dados ou schema, ou uma inferência de aprendizado de máquina. O nó gera o valor transformado ou inferido para os próximos nós.

Conjuntos de dados no Adobe Experience Platform

Para start usando o aprendizado de máquina em tempo real, é necessário ter acesso a um conjunto de dados. Você tem a opção de usar um conjunto de dados externo e carregá-lo no seu ambiente JupyterLab ou criar um novo conjunto de dados na Plataforma se ainda não tiver feito isso.

OBSERVAÇÃO

Se você já tiver um conjunto de dados que deseja usar, pule para Próximas etapas.

Usar um conjunto de dados externo

Para saber mais sobre como usar um conjunto de dados externo, como carregar dados para seu ambiente JupyterLab, visite o tutorial em análise de seus dados usando notebooks.

Criar um novo conjunto de dados

Para criar um novo conjunto de dados para uso em Aprendizagem de máquina em tempo real, é necessário um schema de dados para o conjunto de dados. Em seguida, é necessário assimilar dados usando o schema criado. Use os seguintes tutoriais para criar e preencher um conjunto de dados para Platform:

Próximas etapas

Depois de preparar seus dados para o Aprendizado de máquina em tempo real, siga o Guia do usuário do notebook de Aprendizagem de máquina em tempo real para saber como criar e carregar um modelo ONNX na loja de modelos de Aprendizagem de máquina em tempo real.

Nesta página

Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free
Adobe Summit Banner

A virtual event April 27-28.

Expand your skills and get inspired.

Register for free