AI/ML 機能パイプライン
Data Distillerを利用すれば、データサイエンティストやエンジニアは、Adobe Experience Platformで収集、保管された価値の高い顧客体験データをマシンラーニングパイプラインに活用できます。 任意の環境のPython ノートブックから、Experience Platformの顧客データをインタラクティブに検索し、データから機能を定義および計算し、計算機能をマシンラーニング環境に読み込んでモデリングできます。
IMPORTANT
このワークフローにはData Distiller ライセンスが必要です。 この商品をお持ちでない場合は、Adobe サービスの担当者にお問い合わせください。
- Data Distillerの強力なクエリ能力を利用すれば、Experience Platformで利用可能な豊富な行動データから有意義な機能を引き出すことができます。 その後、大量のイベントデータをExperience Platformの外部にコピーすることなく、蒸留された特徴データをマシンラーニング環境に取り込むことができます。
- 準備された機能データセットを任意のマシンラーニングツールに読み込み、企業データから得られた他の機能と組み合わせて、ビジネスに合わせてカスタムモデルをトレーニング、実験、調整、デプロイします。
- モデルからスコア、予測、レコメンデーションを生成し、その結果をExperience Platformに戻すことで、Real-Time Customer Data PlatformとAdobe Journey Optimizerによるカスタマーエクスペリエンスを最適化できます。
前提条件 prerequisites
このワークフローでは、Adobe Experience Platformのさまざまな側面を理解する必要があります。 このチュートリアルを始める前に、次の概念に関するドキュメントを確認してください。
- Experience Platform APIの認証とアクセス方法。
- サンドボックス：属性ベースのアクセス制御権限と、役割の作成および管理方法、およびこれらの役割に必要なリソース権限の割り当て。
- データガバナンス：データセットとフィールドにデータ使用ラベルを適用し、関連するデータガバナンスポリシーとアクセス制御ポリシーに従って各を分類する方法。
次の手順
このドキュメントでは、任意のマシンラーニングツールを使用して、マーケティングのユースケースをサポートするカスタムモデルを構築する、重要な概念を紹介しました。
この一連のガイドに含まれるドキュメントでは、Experience Platformから機能パイプラインを作成し、マシンラーニング環境でカスタムモデルをフィードするための基本的な手順について説明します。 これで、Data DistillerとJupyter Notebookの間の接続を確立する準備が整いました。
- セットアップ: A Python ノートブック からData Distillerに接続
以下にリンクされているドキュメントは、上記のインフォグラフィックに記載されている手順に対応しています。
- ステップ 1: データセットの探索と分析
- ステップ 2: 機械学習の機能を開発
- ステップ 3: 機能データセットの書き出し
その他のリソース
- aepp: Python コードからData Distillerおよびその他のExperience Platform サービスにリクエストを行うための、Adobeが管理するオープンソース Python ライブラリ。
recommendation-more-help
ccf2b369-4031-483f-af63-a93b5ae5e3fb