DocumentazioneExperience PlatformGuida di Query Service

Pipeline di funzioni IA/ML

Ultimo aggiornamento: 4 aprile 2025
  • Argomenti:
  • Query

Creato per:

  • Utente
  • Sviluppatore

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
Questo flusso di lavoro richiede Data Distiller e una licenza Adobe Experience Platform Intelligence. Se non disponi di uno di questi prodotti, contatta il rappresentante del servizio Adobe.

Uninfografica che descrive la pipeline delle funzioni di IA-ML.

  • 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

Risorse aggiuntive

  • aepp: libreria Python open source gestita da Adobe per l'esecuzione di richieste a Data Distiller e altri servizi Experience Platform dal codice Python.
recommendation-more-help
ccf2b369-4031-483f-af63-a93b5ae5e3fb