Introdução ao Aprendizagem 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 alterações.

Para utilizar o Real-time Machine Learning, você precisa ter acesso a uma organização provisionada com Adobe Experience Platform e Data Science Workspace. Além disso, é necessário ter um conjunto de dados completo para usar em treinamento e pontuação.

Os guias para o Aprendizado de máquina em tempo real exigem uma compreensão funcional do Python 3, Notebooks Jupyter, ciência de dados e aprendizado de máquina.

Termos principais:

  • DSL: idioma específico do domínio.
  • Edge: o serviço de pontuação do Real-time Machine Learning pode ser executado em clusters da Edge mais próximos de suas ativações e aplicativos.
  • Hub: o alfa atual está executando o serviço de pontuação do Aprendizado de máquina em tempo real no Hub da Adobe Experience Platform enquanto a Rede de borda da experiência está em desenvolvimento.
  • Nó: Um Nó é a unidade fundamental da formação dos gráficos. Cada nó executa uma tarefa específica e pode ser encadeado 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 esquema ou uma inferência de aprendizado de máquina. O nó gera o valor transformado ou inferido para o(s) próximo(s) nó(s).

Conjuntos de dados no Adobe Experience Platform

Para começar a usar o Real-time Machine Learning, você deve ter acesso a um conjunto de dados. Você tem a opção de usar um conjunto de dados externo e carregá-lo em seu ambiente JupyterLab ou criar um novo conjunto de dados na Platform, 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 em seu ambiente JupyterLab, visite o tutorial em analisar seus dados usando blocos de anotações.

Criar um novo conjunto de dados

Para criar um novo conjunto de dados para usar no Real-time Machine Learning, é necessário um esquema 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, comece seguindo o Guia do usuário do notebook Aprendizagem de máquina em tempo real para saber como criar e carregar um modelo ONNX para a loja de modelos de Aprendizagem de máquina em tempo real.

Nesta página