8.数据科学工作区 — 基于热门程度的Recommendations

作者: 乔·奥康纳、乔纳森· 兰卡、沃特·范 格鲁韦

在本模块中,您将学习如何创建一个简单的机器学习模型,该模型可使用数据科学工作区生成个性化的产品推荐。 当客户访问Luma等零售网站并单击产品时,随后应会向客户提供个性化的产品推荐。

学习目标

  • 熟悉Adobe Experience Platform UI
  • 探索Adobe Experience Platform数据科学工作区
  • 分析和转换数据。
  • 创建模型并将其操作
  • 训练模型和实验
  • 对模型进行评分并使用分析

先决条件

重要

本教程的创建是为了促进特定研讨会格式。 它使用您可能无权访问的特定系统和帐户。 即使没有访问权限,我们认为您仍然可以通过阅读这些非常详细的内容来学习很多知识。 如果您是某个研讨会的参加者,并且需要您的访问凭据,请联系您的Adobe代表,他们将为您提供所需的信息。

架构概述

请查看以下架构,其中重点介绍了将在本模块中讨论和使用的组件。

架构概述

要使用的沙盒

对于本模块,请使用以下沙盒:--aepSandboxId--

练习

8.1数据勘探与转换

要创建机器学习模型以推荐用户在查看特定产品时可能喜欢的产品,您需要分析用户在网站上以前购买的产品。 在本课程中,您将探索通过标记和Web SDK流向Adobe Experience Platform的购买数据,并将该数据转换为功能数据集,以用于培训您的机器学习模型。

8.2模型创作和操作化

在本课程中,您将学习如何使用此数据并创作机器学习模型。 在现实世界中,创建数据集和机器学习模型将是一个迭代过程。

8.3模型培训与实验

因此,您准备了数据,创作了模型,并将其打包以作为方法进行大规模测试。 现在,我们继续大规模地训练和测试模型。

8.4评分和洞察使用情况

现在,您已经尝试了推荐模型并确定了最佳运行,接下来可以对该模型进行评分,以便为客户生成产品推荐。

摘要和优点

本模块的摘要和优势概述。

注意

谢谢你花时间学习关于Adobe Experience Platform的一切。 如果您有任何疑问,想要分享对未来内容的建议的一般反馈,请直接联系Wouter Van Geluwe,方法是向​vangeluw@adobe.com​发送电子邮件。

返回到所有模块

在此页面上