Panoramica sull’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.

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.

Architettura di apprendimento automatico in tempo reale

I seguenti diagrammi forniscono una panoramica dell'architettura di apprendimento automatico in tempo reale. Attualmente, l'alfa ha una versione più semplificata.

arco alfa

Panoramica semplificata

Flusso di lavoro di apprendimento automatico in tempo reale

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.

Acquisizione e preparazione dei dati

I dati vengono acquisiti e trasformati con Experience Data Model (XDM) in Adobe Experience Platform. Questi dati vengono utilizzati per l’addestramento dei modelli. Per ulteriori informazioni su XDM, visita la panoramica XDM.

Authoring

Crea un modello di apprendimento automatico in tempo reale creando un nuovo modello da zero o inserendolo come modello ONNX serializzato pre-addestrato in Adobe Experience Platform Jupyter Notebooks.

Implementazione

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.

Inferenza

Utilizza l’endpoint API REST di previsione per generare informazioni sull’apprendimento automatico in tempo reale.

Consegna

Gli addetti al marketing possono quindi definire segmenti e regole che mappano i punteggi di apprendimento automatico in tempo reale sulle esperienze utilizzando 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.

Funzionalità corrente

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.

NOTA

Limiti alfa:

  • Attualmente, sono supportati solo i modelli basati su ONNX.
  • Le funzioni utilizzate nei nodi non possono essere serializzate. Ad esempio, una funzione lambda utilizzata in un nodo Pandas.
  • Dopo la distribuzione Edge viene eseguito manualmente un secondo di sospensione.
  • Per l'apprendimento profondo, i dati devono essere inviati in modo tale che, quando si chiama 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.

Funzioni:

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.
- Distribuito su Adobe Experience Platform Hub.
Disponibilità America del Nord
Nodi di authoring - Panda
- ScikitImpara
- ONNXNode
- Split
- ModelUpload
- OneHotEncoder
Tempi di esecuzione dei punteggi ONNX

Passaggi successivi

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.

In questa pagina