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.
L'apprendimento automatico in tempo reale può migliorare notevolmente la pertinenza dei contenuti dell'esperienza digitale per gli utenti finali. Ciò è possibile sfruttando l'inferenza in tempo reale e l'apprendimento continuo sul Experience Edge.
Una combinazione di calcolo senza soluzione di continuità sia su Hub che su Edge riduce notevolmente la latenza tradizionalmente associata alla generazione di esperienze iper-personalizzate rilevanti e reattive. Di conseguenza, l'apprendimento automatico in tempo reale fornisce deduzioni con una latenza incredibilmente bassa per il processo decisionale sincrono. Ad esempio, è possibile eseguire il rendering di contenuti di pagina web personalizzati o visualizzare un’offerta o uno sconto per ridurre la fidelizzazione e aumentare le conversioni in un negozio web.
I seguenti diagrammi forniscono una panoramica dell'architettura di apprendimento automatico in tempo reale. Attualmente, l'alfa ha una versione più semplificata.
Il flusso di lavoro seguente illustra i passaggi e i risultati tipici necessari per creare e utilizzare un modello di apprendimento automatico in tempo reale.
I dati vengono acquisiti e trasformati con Experience Data Model (XDM) su Adobe Experience Platform. Questi dati vengono utilizzati per l’addestramento dei modelli. Per ulteriori informazioni su XDM, visita la panoramica XDM.
Crea un modello di apprendimento automatico in tempo reale creando un nuovo modello da zero o inserendolo come modello ONNX serializzato pre-addestrato nei notebook Jupyter di Adobe Experience Platform.
Distribuisci il modello in Experience Edge per creare un servizio di apprendimento automatico in tempo reale nel Service Gallery utilizzando l'endpoint API di previsione.
Utilizza l’endpoint API REST di previsione per generare informazioni sull’apprendimento automatico in tempo reale.
Gli addetti al marketing possono quindi definire segmenti e regole che mappano i punteggi di apprendimento automatico in tempo reale sulle esperienze che utilizzano Adobe Target. Questo consente ai visitatori del sito web del tuo marchio di visualizzare in tempo reale un’esperienza iper-personalizzata della stessa pagina o della pagina successiva.
L'apprendimento automatico in tempo reale è attualmente in alfa. La funzionalità descritta di seguito è soggetta a modifiche man mano che vengono rese disponibili ulteriori funzioni e nodi.
Limiti alfa:
df.values
, restituisca un array accettabile dal modello DL. Questo perché il nodo di punteggio del modello ONNX utilizza df.values
e invia l'output al punteggio rispetto al modello.Alfa (maggio) | |
---|---|
Funzioni | - Utilizzo del modello di blocco appunti RTML, creazione, test e distribuzione di un modello di apprendimento automatico personalizzato. - Supporto per l'importazione di modelli di apprendimento automatico preformati. - SDK per l’apprendimento automatico in tempo reale. - Set iniziale di nodi di authoring. : implementato su Adobe Experience Platform Hub. |
Disponibilità | America del Nord |
Nodi di authoring | - Panda - ScikitImpara - ONNXNode - Split - ModelUpload - OneHotEncoder |
Tempi di esecuzione dei punteggi | ONNX |
Per iniziare, segui la guida guida introduttiva . Questa guida descrive come impostare tutti i prerequisiti necessari per la creazione di un modello di apprendimento automatico in tempo reale.