Data Science Workspace 课程

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,您必须使用Adobe ID登录Experience League。

面向数据科学家的数据科学工作区课程快速入门 专为希望了解如何使用JupyterLab Notebooks获取分析和查询数据、创建启用了用户档案的数据集、发布自动机器学习模型以及激活Adobe和非Adobe应用程序的机器学习分析的数据科学家而设计。

课程先决条件

  • 已注册的Adobe ID帐户。
    • 必须已将Adobe ID帐户添加到具有Adobe Experience Platform和 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成果。 此外,您还可以在创建和发布为课程提供的倾向模型时选择遵循。

  • 数据科学工作区的架构
  • 如何使用JupyterLab
  • 如何在数据科学工作区中访问数据和查询数据
  • 探索性数据分析
  • 如何创建处方和模型
  • 用于训练和评分模型的方法
  • 超参数在模型开发中的作用
  • 如何将受过培训的模型作为服务发布
  • 如何使用数据科学工作区丰富您的实时客户资料数据
  • 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个课程。

第1课

导言(19分钟): 了解课程并获取数据科学工作区的高级概述,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促进数据科学家的关键工作流程,例如收集数据、清理数据、将数据可视化和发现洞察。

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培训和评分(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分析(11分钟): 了解如何在实时客户资料中使用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,以及更多。

在此页面上