실시간 기계 학습 개요(알파)
모든 사용자는 아직 실시간 머신 러닝을 사용할 수 없습니다. 이 기능은 알파에 있으며 여전히 테스트되고 있습니다. 이 문서는 변경될 수 있습니다.
실시간 머신 러닝은 최종 사용자에게 디지털 경험 컨텐츠의 연관성을 크게 향상시킬 수 있습니다. 이 방법은 InDesign에서 실시간 검토 및 지속적인 학습을 활용함으로써 가능합니다 Experience Edge.
허브와 허브에서 매끄러운 계산을 함께 사용하면 일반적으로 적절하고 응답성이 높은 고도로 개인화된 경험을 구현하는데 관련된 지연을 크게 줄일 수 있습니다. Edge 따라서 실시간 머신 러닝은 동기적 의사 결정을 위한 매우 낮은 지연율을 제공합니다. 예를 들어 맞춤형 웹 페이지 컨텐츠를 렌더링하거나 제안 또는 할인을 적용하여 웹 스토어의 가입/구매 전환율을 높이고 구매 전환율을 향상시킬 수 있습니다.
실시간 머신 러닝 아키텍처
다음 다이어그램은 실시간 기계 학습 아키텍처에 대한 개요를 제공합니다. 현재 알파 버전은 보다 간소화되었습니다.
실시간 머신 러닝 워크플로우
다음 워크플로우에서는 실시간 기계 학습 모델을 만들고 활용하는 데 필요한 일반적인 단계와 결과를 간략하게 설명합니다.
자료 수집 및 준비
Adobe Experience Platform의 XDM(Data Is Enforced and Experience Data Model Transform) 이 데이터는 모델 교육에 사용됩니다. XDM에 대한 자세한 내용은 XDM 개요를 참조하십시오.
작성
처음부터 제작하거나 Adobe Experience Platform Jupiter Notebook에서 사전에 교육받은 ONNX 모델로 활용하여 실시간 머신 러닝 모델을 제작할 수 있습니다.
배포
예측 API 종단점 Experience Edge 을 사용하여 서비스 갤러리 에서 실시간 기계 학습 서비스를 만들기 위해 모델을 배포합니다.
추론
예측 REST API 종단점을 사용하여 머신 러닝 인사이트를 실시간으로 생성할 수 있습니다.
게재
그런 다음 마케터는 Adobe Target을 사용하여 실시간 기계 학습 점수를 경험에 매핑하는 세그먼트와 규칙을 정의할 수 있습니다. 이를 통해 브랜드 웹 사이트 방문자에게 매우 개인화된 동일한 경험 또는 다음 페이지를 실시간으로 표시할 수 있습니다.
현재 기능
실시간 머신 러닝은 현재 알파에 포함되어 있습니다. 아래 설명된 기능은 더 많은 기능과 노드가 사용 가능하므로 변경될 수 있습니다.
알파 제한:
- 현재 ONNX 기반 모델만 지원됩니다.
- 노드에 사용된 함수를 직렬화할 수 없습니다. 예를 들어 팬더 노드에서 사용되는 람다 함수입니다.
- 배포가 수동으로 완료된 후 20초 동안 Edge 잠을 잡습니다.
- 심층적인 학습을 위해서는 데이터를 DL 모델에서 허용하는 어레이
df.values를 반환하는 방식으로 전송해야 합니다. 이것은 ONNX 모델 점수 지정 노드가 모델을 기준으로 점수를 매기도록 출력을 사용하고df.values보내기 때문입니다.
기능:
| 알파(5월) | |
|---|---|
| 기능 | - RTML 노트북 템플릿 사용, 사용자 정의 머신 러닝 모델 작성, 테스트 및 배포 - 미리 교육된 머신 러닝 모델 가져오기 지원 - 실시간 머신 러닝 SDK - 작성 노드의 시작 집합. - Adobe Experience Platform 허브에 배포 |
| 사용 가능 | 북미 |
| 작성 노드 | - 판다 - ScitkitLearn - ONNXN 코드 - 분할 - ModelUpload - OneHotEncoder |
| 점수 지정 실행 시간 | ONNX |
다음 단계
시작 가이드를 따라 시작할 수 있습니다. 이 안내서에서는 실시간 기계 학습 모델을 만드는 데 필요한 모든 사전 요구 사항을 설정하는 과정을 안내합니다.