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 nell'Experience Platform, definire ed elaborare le funzioni dai dati e leggere le funzioni calcolate nell'ambiente di machine learning per la modellazione.
- Grazie alle potenti funzionalità di query di Data Distiller, puoi estrarre funzioni significative dai dati comportamentali avanzati disponibili nell’Experience Platform. Puoi quindi inserire i dati delle funzioni distillati nell’ambiente di apprendimento automatico senza dover copiare grandi volumi di dati evento al di fuori dell’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 all’Experience Platform per ottimizzare le esperienze dei clienti tramite Real-time Customer Data Platform e Adobe Journey Optimizer.
Prerequisiti prerequisites
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 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 un Experience Platform all’altro 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 ad altri servizi Experience Platform dal codice Python.