Pipelines de fonctionnalités d’IA/ML
Data Distiller permet aux spécialistes des données et aux ingénieurs d’enrichir leurs pipelines d’apprentissage automatique avec des données d’expérience client à forte valeur ajoutée qui ont été collectées et traitées dans Adobe Experience Platform. À partir d’un notebook Python dans n’importe quel environnement, vous pouvez explorer de manière interactive les données client dans l’Experience Platform, définir et calculer les fonctionnalités à partir des données, et lire les fonctionnalités calculées dans votre environnement d’apprentissage automatique pour la modélisation.
IMPORTANT
- Data Distiller de puissantes fonctionnalités de requête, vous pouvez extraire des fonctionnalités significatives des riches données comportementales disponibles dans l’Experience Platform. Vous pouvez ensuite importer les données de fonction distillée dans votre environnement d’apprentissage automatique sans avoir à copier un grand volume de données d’événement en dehors de l’Experience Platform.
- Lisez le jeu de données de fonctionnalités préparé dans vos outils d’apprentissage automatique préférés et combinez-le à d’autres fonctionnalités dérivées des données d’entreprise pour former, tester, ajuster et déployer des modèles personnalisés adaptés à votre entreprise.
- Générez des scores, des prédictions ou des recommandations à partir de vos modèles et renvoyez la sortie à l’Experience Platform afin d’optimiser les expériences client via Real-Time Customer Data Platform et Adobe Journey Optimizer.
Conditions préalables
Ce processus nécessite une compréhension pratique des différents aspects de Adobe Experience Platform. Avant de commencer ce tutoriel, veuillez consulter la documentation relative aux concepts suivants :
- Comment authentifier et accéder aux API Experience Platform.
- Environnements de test : Autorisations de contrôle d’accès basées sur les attributs et comment créer et gérer des rôles, ainsi qu’affecter les autorisations de ressources souhaitées pour ces rôles.
- Gouvernance des données : comment appliquer des libellés d’utilisation des données aux jeux de données et aux champs, en les classant chaque en fonction des stratégies de gouvernance des données et des stratégies de contrôle d’accès associées.
Étapes suivantes
En lisant ce document, vous avez découvert les concepts importants qui sous-tendent l’utilisation de vos outils d’apprentissage automatique préférés pour créer des modèles personnalisés qui prennent en charge vos cas d’utilisation marketing.
Les documents inclus dans cette série de guides décrivent les étapes de base de la création de pipelines de fonctionnalités à partir d’Experience Platform pour alimenter des modèles personnalisés dans votre environnement d’apprentissage automatique. Vous êtes maintenant prêt à établir une connexion entre Data Distiller et votre Jupyter Notebook.
La documentation liée ci-dessous correspond aux étapes indiquées dans l'infographie ci-dessus.