Planification d’un modèle dans l’interface utilisateur de Workspace de science des données

NOTE
Le Workspace de science des données ne peut plus être acheté.
Cette documentation est destinée aux clients existants disposant de droits antérieurs sur Data Science Workspace.

Adobe Experience Platform Data Science Workspace vous permet de configurer des exécutions de notation et de formation planifiées sur un service de machine learning. L’automatisation du processus de formation et de notation peut contribuer à maintenir et à améliorer l’efficacité d’un service au fil du temps en suivant les schémas au sein de vos données.

Ce tutoriel décrit les étapes à suivre pour configurer des plannings de formation et de notation sur un service existant via la ​ Galerie de services ​. Il est composé des sections principales suivantes :

Prise en main

Pour suivre ce tutoriel, vous devez avoir accès à Experience Platform. Si vous n’avez pas accès à une organisation dans Experience Platform, contactez votre administrateur système avant de continuer.

Ce tutoriel nécessite un service existant. Si vous ne disposez pas d’un service accessible pour travailler, vous pouvez en créer un en suivant le tutoriel publier un modèle en tant que service.

Configuration d’une notation planifiée configure-scheduled-scoring

Vous pouvez configurer la notation du modèle de sorte que le processus soit automatisé sur une base planifiée. Une fois un service créé, vous pouvez suivre les étapes ci-dessous pour configurer et appliquer un planning de notation :

Dans Adobe Experience Platform, sélectionnez l’onglet Services situé dans la colonne de navigation de gauche pour accéder au Service Gallery. Recherchez le service sur lequel vous souhaitez planifier l’exécution de la notation et sélectionnez Ouvrir pour afficher sa page Aperçu.

La page de présentation affiche les informations de notation du service. Sélectionnez le lien Mettre à jour le planning pour configurer un planning de notation.

Configurez la fréquence, la date de début, la date de fin, le jeu de données d’entrée et le jeu de données de sortie pour le planning de notation. Une fois que les configurations vous conviennent, sélectionnez Créer pour mettre à jour le planning de notation du service.

Votre planning de notation mis à jour s’affiche sur la page Aperçu du service.

Configuration d’une formation planifiée configure-scheduled-training

La configuration des exécutions de formation planifiées sur un service garantit que le modèle de machine learning est mis à jour vers les modèles de données les plus récents. Lorsqu’une exécution de formation planifiée se termine, le modèle formé résultant est utilisé pour alimenter le service jusqu’à la prochaine exécution de formation planifiée.

Une fois un service créé, vous pouvez suivre les étapes ci-dessous pour configurer et appliquer un planning de formation :

Dans Adobe Experience Platform, sélectionnez l’onglet Services situé dans la colonne de navigation de gauche pour accéder à la Galerie de services. Recherchez le service sur lequel vous souhaitez planifier l’exécution de la formation et sélectionnez Ouvrir pour afficher sa page Aperçu.

La page Overview affiche les informations de formation du service. Sélectionnez le lien Mettre à jour le planning pour configurer un planning d’entraînement.

Configurez la fréquence, la date de début, la date de fin et le jeu de données d’entrée utilisés pour le planning de formation. Une fois que les configurations vous conviennent, sélectionnez Créer pour mettre à jour le planning de formation du service.

Votre planning de formation mis à jour s’affiche sur la page Aperçu du service.

Étapes suivantes

En suivant ce tutoriel, vous avez planifié avec succès des exécutions de formation et de notation automatisées sur un service et terminé le workflow de l’interface utilisateur du tutoriel Data Science Workspace. Si vous ne l’avez pas déjà fait, pensez à redémarrer le tutoriel et à suivre le workflow de l’API pour créer, entraîner, noter et publier un modèle.

recommendation-more-help
experience-platform-help-data-science-workspace