Data Science Workspace curso
Este documento fornece uma descrição dos resultados de aprendizagem esperados no curso do Espaço de trabalho de ciência de dados da Adobe Experience Platform. Para ver o curso, é necessário fazer login no Experience League usando sua Adobe ID.
A variável introdução ao curso Data Science Workspace para cientistas de dados O foi projetado para cientistas de dados que desejam aprender a usar os JupyterLab Notebooks para derivar insights e consultar dados, criar conjuntos de dados habilitados para perfis, publicar modelos de aprendizado de máquina automatizados e ativar insights derivados de aprendizado de máquina para aplicativos Adobe e não Adobe.
Pré-requisitos do curso
- Uma conta registrada do Adobe ID.
- A conta do Adobe ID deve ter sido adicionada a uma Organização com acesso ao Adobe Experience Platform e Data Science Workspace.
- Uma sandbox de não produção.
Resultados de aprendizagem esperados
Os seguintes resultados de aprendizagem são abordados no curso do Espaço de trabalho de ciência de dados. Além disso, você tem a opção de acompanhar o processo de criação e publicação de um modelo de propensão fornecido para o curso.
- A arquitetura do Espaço de trabalho de ciência de dados
- Como usar o JupyterLab
- Como acessar dados e consultar dados no Data Science Workspace
- Análise de dados exploratórios
- Como criar uma fórmula e um modelo
- Métodos usados para treinar e pontuar um modelo
- A função dos hiper parâmetros no desenvolvimento de modelos
- Como publicar modelos treinados como um serviço
- Como usar o Data Science Workspace para enriquecer seus dados de perfil do cliente em tempo real
- Como criar um segmento de transmissão com a saída do modelo
Lições
O curso Data Science Workspace é dividido em cinco lições.
Lição 1
Introdução (19 minutos): Saiba mais sobre o curso e obtenha uma visão geral de alto nível do Data Science Workspace, incluindo os ativos necessários do curso.
Lição 2
Carregue, consulte e explore dados no JupyterLab (24 minutos): Saiba como o JupyterLab no Experience Platform ajuda a simplificar e facilitar os fluxos de trabalho principais de um cientista de dados, como coletar dados, limpar dados, visualizar dados e descobrir insights.
Lição 3
Crie um modelo no JupyterLab (26 minutos): Saiba como começar a criar modelos no Espaço de trabalho de ciência de dados.
Lição 4
Use o Data Science Workspace para treinar e pontuar um modelo (6 minutos): Saiba como criar um modelo e publicá-lo como um serviço no Experience Platform.
Lição 5
Consumir e fornecer insights de ciência de dados (11 minutos): Saiba como as saídas do modelo do Data Science Workspace podem ser usadas no Perfil do cliente em tempo real para fornecer experiências personalizadas com aplicativos e serviços Adobe.
Próximas etapas
Após concluir o curso do Espaço de trabalho de ciência de dados, visite o Guias da API do Sensei Machine Learning para saber como utilizar as APIs RESTful para fazer tudo o que você acabou de aprender e muito mais.