目前尚未針對所有使用者提供即時機器學習。 此功能是alpha版,仍在測試中。 本檔案可能會有所變更。
即時機器學習功能可大幅提升數位體驗內容對使用者的相關性。 在Experience Edge上運用即時參考和持續學習,即可做到這點。
在集線器和Edge上結合流暢的運算,可大幅降低傳統上為相關且回應速度快的個人化體驗提供動力時的延遲。 因此,即時機器學習為同步決策提供極低的延遲。 例如,轉換個人化網頁內容,或呈現優惠或折扣,以減少客戶流失並提高網路商店的轉化率。
下圖為Real-time Machine Learning體系結構提供了概述。 目前,Alpha版已有更簡化的版本。
以下工作流程概述建立和使用即時機器學習模型的典型步驟和結果。
Adobe Experience Platform上的Experience Data Model (XDM)會擷取並轉換資料。 此資料用於模型訓練。 若要進一步瞭解XDM,請造訪XDM綜覽。
從頭開始製作即時機器學習模型,或以預先訓練好的序號化ONNX模型在Adobe Experience Platform Jupyter Notebooks中引入,以建立即時機器學習模型。
將模型部署至Experience Edge,以使用預測API端點在服務收藏館中建立即時機器學習服務。
使用Prediction REST API端點,即時產生機器學習見解。
然後,行銷人員可以定義區段和規則,將即時機器學習分數對應至使用Adobe Target的體驗。 這可讓品牌網站的訪客即時顯示相同或下一頁的超個人化體驗。
即時機器學習目前採用alpha版。 以下概述的功能可能會隨著更多功能和節點的提供而改變。
Alpha限制:
df.values
被調用時,它將返回一個DL型號可接受的陣列。 這是因為ONNX模型計分節點使用df.values
併發送輸出以對模型進行計分。Alpha(5月) | |
---|---|
功能 | -使用RTML筆記型電腦範本,製作、測試和部署自訂的機器學習模型。 -支援匯入預先訓練的機器學習模型。 -即時機器學習SDK。 -創作節點的起始集。 -部署至Adobe Experience Platform Hub。 |
可用性 | 北美 |
編寫節點 | - Aprocts - ScikitLearn - ONNXNode - Split - ModelUpload - OneHotEncoder |
計分執行時間 | ONNX |
您可以從快速入門指南開始。 本指南會逐步引導您設定建立即時機器學習模型的所有必要先決條件。