Data Science Workspace 课程

上次更新: 2023-05-25
  • 创建对象:
  • User
    Developer

本文档介绍了Adobe Experience Platform数据科学工作区课程中的预期学习结果。 要查看课程,您必须登录以使用Adobe IDExperience League。

面向数据科学家的数据科学工作区快速入门课程 专为数据科学家而设计,这些数据科学家想要了解如何使用JupyterLab Notebooks获取见解和查询数据、创建支持配置文件的数据集、发布自动化机器学习模型,以及对Adobe和非Adobe应用程序激活机器学习见解。

课程先决条件

  • Adobe ID的注册帐户。
    • 必须已将Adobe ID帐户添加到有权访问Adobe Experience Platform和的组织 Data Science Workspace.
  • 非生产沙盒。

预期学习成果

数据科学工作区课程涵盖以下学习结果。 此外,在创建和发布为课程提供的倾向模型时,您可以选择遵循。

  • 数据科学工作区的架构
  • 如何使用JupyterLab
  • 如何访问数据科学工作区中的数据并查询数据
  • 探索性数据分析
  • 如何创建方法和模型
  • 用于训练和评分模型的方法
  • 超参数在模型开发中的作用
  • 如何将经过培训的模型发布为服务
  • 如何使用数据科学工作区丰富您的Real-time Customer Profile数据
  • 如何使用模型输出创建流区段

课程

数据科学工作区课程分为五节。

第 1 课

简介(19分钟): 了解该课程并大致了解Data Science Workspace,包括所需的课程资产。

第 2 课

在JupyterLab中加载、查询和浏览数据(24分钟): 了解JupyterLab在Experience Platform方面如何帮助简化和便利数据科学家的关键工作流程,例如收集数据、清理数据、可视化数据和发现见解。

第 3 课

在JupyterLab中创建模型(26分钟): 了解如何开始在数据科学工作区中构建模型。

第 4 课

使用数据科学工作区对模型进行训练和评分(6分钟): 了解如何在Experience Platform中创建模型并将其作为服务发布。

第 5 课

使用并提供数据科学见解(11分钟): 了解如何在Real-time Customer Profile中使用Data Science Workspace模型输出,以通过Adobe应用程序和服务提供个性化体验。

后续步骤

完成数据科学工作区课程后,请访问 Sensei机器学习API指南 了解如何利用RESTful API完成您刚刚学到的一切,等等。

在此页面上