Pipeline di funzioni IA/ML
Data Distiller consente ai data scientist e ai tecnici di arricchire le pipeline di apprendimento automatico con dati di esperienza del cliente di alto valore raccolti e curati in Adobe Experience Platform. Da un blocco appunti Python in qualsiasi ambiente, puoi esplorare in modo interattivo i dati dei clienti in Experience Platform, definire ed elaborare le funzioni dai dati e leggere le funzioni calcolate nell'ambiente di apprendimento automatico per la modellazione.
IMPORTANT
- Grazie alle potenti funzionalità di query di Data Distiller, puoi estrarre funzioni significative dai dati comportamentali avanzati disponibili in Experience Platform. Puoi quindi inserire i dati delle funzioni distillati nell’ambiente di apprendimento automatico senza la necessità di copiare grandi volumi di dati evento al di fuori di Experience Platform.
- Leggi il set di dati delle funzioni preparato negli strumenti di apprendimento automatico preferiti e combinali con altre funzioni derivate dai dati aziendali per addestrare, sperimentare, ottimizzare e distribuire modelli personalizzati personalizzati per la tua azienda.
- Genera punteggi, previsioni o consigli dai modelli e restituisce l’output ad Experience Platform per ottimizzare le esperienze dei clienti tramite Real-Time Customer Data Platform e Adobe Journey Optimizer.
Prerequisiti
Questo flusso di lavoro richiede una buona conoscenza dei vari aspetti di Adobe Experience Platform. Prima di iniziare questo tutorial, consulta la documentazione per i seguenti concetti:
- Come autenticare e accedere alle API di Experience Platform.
- Sandbox: Autorizzazioni di controllo dell'accesso basate su attributi e modalità di creazione e gestione dei ruoli, nonché assegnazione delle autorizzazioni di risorse desiderate per questi ruoli.
- Governance dei dati: come applicare etichette di utilizzo dei dati a set di dati e campi, suddividendoli in categorie in base ai criteri di governance dei dati e ai criteri di controllo degli accessi correlati.
Passaggi successivi
Dopo aver letto questo documento, ti sono stati presentati i concetti importanti che si basano sull’utilizzo degli strumenti di machine learning preferiti per creare modelli personalizzati che supportano i casi di utilizzo di marketing.
I documenti inclusi in questa serie di guide descrivono i passaggi di base per la creazione di feature pipeline da Experience Platform per alimentare modelli personalizzati nell’ambiente di apprendimento automatico. È ora possibile stabilire una connessione tra Data Distiller e Jupyter Notebook.
- Configurazione: Connessione a Data Distiller da un Python blocco appunti
La documentazione collegata di seguito corrisponde ai passaggi indicati nell’infografica precedente.
- Passaggio 1: Esplorare e analizzare i set di dati
- Passaggio 2: Caratteristiche tecniche per l'apprendimento automatico
- Passaggio 3: Esporta set di dati della funzionalità