Canalizaciones de funciones de IA/ML
Data Distiller permite a los científicos e ingenieros de datos enriquecer sus canalizaciones de aprendizaje automático con datos de experiencia del cliente de alto valor que se han recopilado y depurado en Adobe Experience Platform. Desde un bloc de notas de Python en cualquier entorno, puede explorar interactivamente los datos de los clientes en el Experience Platform, definir y calcular características a partir de los datos, y leer las características calculadas en el entorno de aprendizaje automático para el modelado.
- Con las potentes funciones de consulta de Data Distiller, puede extraer funciones significativas de los abundantes datos de comportamiento disponibles en el Experience Platform. A continuación, puede incorporar los datos de funciones destiladas al entorno de aprendizaje automático sin necesidad de copiar grandes volúmenes de datos de evento fuera del Experience Platform.
- Lea el conjunto de datos de funciones preparado en sus herramientas de aprendizaje automático preferidas y combínelo con otras funciones derivadas de los datos empresariales para entrenar, experimentar, ajustar e implementar modelos personalizados adaptados a su negocio.
- Genere puntuaciones, predicciones o recomendaciones a partir de los modelos y devuelva el resultado al Experience Platform para optimizar las experiencias de los clientes mediante Real-time Customer Data Platform y Adobe Journey Optimizer.
Requisitos previos prerequisites
Este flujo de trabajo requiere una comprensión práctica de los distintos aspectos de Adobe Experience Platform. Antes de comenzar este tutorial, revise la documentación para los siguientes conceptos:
- Cómo autenticar y acceder a las API de Experience Platform.
- Zonas protegidas: Permisos de control de acceso basados en atributos y cómo crear y administrar roles, así como asignar los permisos de recursos deseados para estos roles.
- Administración de datos: cómo aplicar etiquetas de uso de datos a conjuntos de datos y campos, clasificando cada uno según las políticas de administración de datos y de control de acceso relacionadas.
Pasos siguientes
Al leer este documento, se le han introducido los conceptos importantes subyacentes al uso de las herramientas de aprendizaje automático que prefiere para crear modelos personalizados que sean compatibles con los casos prácticos de marketing.
En los documentos incluidos en esta serie de guías se describen los pasos básicos para crear canalizaciones de funciones desde Experience Platform para alimentar modelos personalizados en su entorno de aprendizaje automático. Ya está listo para establecer una conexión entre Data Distiller y su Jupyter Notebook.
- Configuración: Conectarse a Data Distiller desde un Python bloc de notas
La documentación enlazada a continuación corresponde a los pasos indicados en la infografía anterior.
Recursos adicionales
- aepp: una biblioteca de código abierto Python administrada por Adobe para realizar solicitudes a Data Distiller y otros servicios de Experience Platform desde código Python.