데이터 과학 작업 영역 개요

Adobe Experience Platform Data Science Workspace은(는) 머신 러닝 및 인공 지능을 사용하여 데이터에서 통찰력을 제공합니다. Adobe Experience Platform에 통합된 Data Science Workspace은(는) Adobe 솔루션 전반에서 콘텐츠 및 데이터 자산을 사용하여 예측을 수행하는 데 도움이 됩니다.

모든 기술 수준의 데이터 과학자는 복잡성 없이 AI 기술의 모든 이점을 비롯하여 머신 러닝 레시피의 신속한 개발, 교육 및 튜닝을 지원하는 정교하고 사용하기 쉬운 도구를 찾을 수 있습니다.

Data Science Workspace을(를) 사용하면 데이터 과학자가 머신 러닝에서 제공하는 지능형 서비스 API를 쉽게 만들 수 있습니다. 이러한 서비스는 Adobe Target 및 Adobe Analytics Cloud을 포함한 다른 Adobe 서비스와 함께 작동하여 웹, 데스크탑 및 모바일 앱에서 개인화되고 타겟팅된 디지털 경험을 자동화할 수 있도록 지원합니다.

이 안내서에서는 Data Science Workspace과(와) 관련된 주요 개념에 대한 개요를 제공합니다.

소개

오늘날의 기업은 고객 경험을 개인화하고 고객 및 비즈니스에 더 많은 가치를 제공하는 데 도움이 되는 예측 및 통찰력을 위해 빅 데이터를 마이닝하는 데 높은 우선 순위를 둡니다.
데이터에서부터 통찰력까지 가져오는 것은 많은 비용을 들여야 합니다. 일반적으로 지능적인 서비스를 제공하는 머신 러닝 모델 또는 레시피를 개발하기 위해 집중적이고 시간이 많이 소요되는 데이터 연구를 수행하는 숙련된 데이터 과학자가 필요합니다. 그 과정은 길고, 기술은 복잡하며, 숙련된 데이터 과학자는 찾기 어려울 수 있다.

Data Science Workspace을(를) 통해 Adobe Experience Platform을 사용하면 다음 기능을 통해 경험 중심의 AI를 전사적으로 제공하여 데이터를 인사이트 코드로 간소화하고 가속화할 수 있습니다.

모든 기술 수준의 데이터 과학자는 더 빠르고 효과적인 디지털 경험을 더 빨리 통찰력을 얻을 것입니다.

시작하기

Data Science Workspace의 세부 정보를 살펴보기 전에 주요 용어에 대한 간단한 요약을 살펴보십시오.

다음 차트는 Recipes, Models, Training Runs 및 Scoring Runs 간의 계층적 관계를 간략하게 설명합니다.

Data Science Workspace 이해

를 사용하면 Data Science Workspace데이터 사이언티스트가 대규모 데이터 세트에서 인사이트를 발견하는 번거로운 프로세스를 간소화할 수 있습니다. 공통 기계 학습 프레임워크 및 런타임을 기반으로 구축되어 Data Science Workspace 고급 작업 과정 관리, 모델 관리 및 확장성을 제공합니다. 지능형 서비스는 Adobe Systems 제품 및 솔루션을 사용하여 만든 다양한 응용 프로그램을 구동하기 위해 기계 학습 레서피의 재사용을 지원합니다.

원스톱 데이터 액세스

데이터는 AI와 머신 러닝의 초석입니다.

Data Science Workspace은(는) 데이터 레이크, Real-Time Customer Profile 및 Unified Edge을(를) 포함하여 Adobe Experience Platform과 완전히 통합되었습니다. Spark ML 및 TensorFlow과(와) 같은 일반적인 빅데이터 및 딥러닝 라이브러리와 함께 Adobe Experience Platform에 저장된 모든 조직 데이터를 한 번에 탐색합니다. 필요한 항목을 찾지 못한 경우 XDM 표준화된 스키마를 사용하여 자신의 데이터 세트를 섭취합니다.

사전 빌드된 머신 러닝 레시피

Data Science Workspace 일반적인 비즈니스 요구 사항에 대한 사전 구축된 기계 학습 레시피, 좋아요 소매 판매 예측 및 이상 감지가 포함되어 있으므로 데이터 과학자와 개발자가 처음부터 시작할 필요가 없습니다. 현재 제공되는 레시피는 제품 구매 예측, 제품 추천 및 소매 판매입니다.

원하는 경우 사전 빌드된 레서피 필요에 맞게 조정하거나, 레서피 가져오거나, 처음부터 시작하여 사용자 지정 레서피 빌드 수 있습니다. 그러나 일단 레서피 학습을 하고 하이퍼 튜닝을 하면 사용자 지정 지능형 서비스를 만드는 데 개발자가 필요하지 않으며, 몇 번의 클릭만으로 타겟팅되고 개인화된 디지털 경험 빌드 준비가 완료됩니다.

데이터 과학자에 초점을 맞춘 워크플로

데이터 과학 전문 지식 Data Science Workspace 수준에 관계없이 데이터에서 인사이트를 찾고 이를 디지털 경험에 적용하는 프로세스를 간소화하고 가속화하는 데 도움이 됩니다.

데이터 탐색

올바른 데이터를 찾아서 준비하는 것은 효과적인 레시피를 구축하는 데 가장 많은 노동력이 필요한 부분이다. Data Science Workspace과(와) Adobe Experience Platform을 사용하면 데이터에서 인사이트로 보다 빠르게 이동할 수 있습니다.

Adobe Experience Platform에서는 크로스 채널 데이터가 중앙 집중화되고 XDM 표준화된 스키마에 저장되므로 데이터를 더 쉽게 찾고, 이해하고, 정리할 수 있습니다. 일반적인 스키마를 기반으로 하는 단일 데이터 저장소로 수많은 시간을 데이터 탐색 및 준비를 절약할 수 있습니다.

검색할 때 R, Python 또는 Scala를 통합 호스트된 Jupyter Notebook과(와) 함께 사용하여 Platform의 데이터 카탈로그를 검색하십시오. 이러한 언어 중 하나를 사용하면 Spark ML과 TensorFlow를 활용할 수도 있습니다. 처음부터 새로 시작하거나 특정 비즈니스 문제에 대해 제공된 노트북 템플릿 중 하나를 사용하십시오.

데이터 탐색 워크플로우의 일부로 새 데이터를 수집하거나 기존 기능을 사용하여 데이터 준비를 지원할 수도 있습니다.

작성

Data Science Workspace을(를) 사용하여 레시피를 작성하는 방법을 결정합니다.

실험

데이터 과학 작업 영역는 실험 프로세스에 엄청난 유연성을 제공합니다. 레서피 시작. 그런 다음 하이퍼 튜닝 매개 변수와 같은 고유한 특성과 쌍을 이루는 동일한 핵심 알고리즘을 사용하여 별도의 인스턴스 만들기를 수행합니다. 필요한 만큼 인스턴스를 만들고 원하는 만큼 각 인스턴스 교육하고 점수를 매길 수 있습니다. 교육하면 Data Science Workspace에서 평가 지표와 함께 레시피, 레시피 인스턴스 및 교육된 인스턴스를 추적하므로 따로 교육할 필요가 없습니다.

운영화

레시피가 마음에 들면 몇 번의 클릭만으로 지능형 서비스를 만들 수 있습니다. 코딩이 필요하지 않습니다. 개발자 또는 엔지니어를 등록하지 않고도 직접 코딩을 수행할 수 있습니다. 마지막으로, 지능형 서비스를 Adobe IO에 게시하면 디지털 경험 팀이 사용할 수 있습니다.

지속적인 개선

Data Science Workspace은(는) 지능형 서비스가 호출되는 위치와 수행 방법을 추적합니다. 데이터가 업로드되면 지능적인 서비스 정확도를 평가하여 루프를 닫고 필요에 따라 레시피를 다시 교육하여 성능을 향상시킬 수 있습니다. 그 결과 고객 개인화의 정밀도가 지속적으로 개선됩니다.

새로운 기능 및 데이터 세트에 대한 액세스

데이터 과학자는 Adobe 서비스를 통해 새로운 기술 및 데이터 세트를 사용할 수 있는 즉시 활용할 수 있습니다. 빈번한 업데이트를 통해 데이터 세트와 기술을 플랫폼에 통합하는 작업을 하므로 따로 작업을 할 필요가 없습니다.

안전과 마음의 평화

Adobe의 최우선 과제는 데이터 보안을 유지하는 것입니다. Adobe은 업계에서 인정하는 표준, 규정 및 인증을 준수하도록 개발된 보안 프로세스 및 제어를 통해 데이터를 보호합니다.

보안은 Adobe 보안 제품 수명 주기의 일부로 소프트웨어 및 서비스에 내장되어 있습니다.
Adobe 데이터 및 소프트웨어 보안, 규정 준수 등에 대해 알아보려면 https://www.adobe.com/security.html의 보안 페이지를 방문하십시오.

Data Science Workspace 행동

예측 및 통찰력은 웹 사이트를 방문하거나, 콜센터 센터에 문의하거나, 기타 디지털 경험에 참여하는 각 고객에게 고도로 개인화된 경험 경험을 제공하는 데 필요한 정보를 제공합니다. 일상 업무가 이루어지 Data Science Workspace는 방식은 다음과 같습니다.

문제 정의

그것은 모두 비즈니스 문제로 시작합니다. 예를 들어, 온라인 콜센터 부정적인 고객 감정을 긍정적으로 바꾸는 데 도움이 되는 컨텍스트가 필요합니다.

고객에 대한 자료는 충분히 있습니다. 사이트를 탐색하고 장바구니에 항목을 담았으며 주문까지 했습니다. 이메일을 받았거나 쿠폰을 사용했거나 이전에 콜센터에 문의했을 수 있습니다. 그런 다음 레시피는 고객 및 해당 활동에 대해 사용 가능한 데이터를 사용하여 구매 성향을 파악하고 고객이 인식하고 사용할 가능성이 있는 오퍼를 추천해야 합니다.

콜센터 접촉 당시 고객은 아직 장바구니에 신발 두 켤레가 있지만 셔츠를 벗었다. 이 정보를 이용하면 지능형 서비스는 콜센터 상담원이 통화 중 신발 20% 할인 쿠폰을 제공하는 것을 권장할 수 있다. 고객이 쿠폰을 사용하는 경우 해당 정보가 데이터 세트에 추가되고 다음에 고객이 방문할 때 예측이 훨씬 개선됩니다.

데이터 탐색 및 준비

정의된 비즈니스 문제를 기반으로, 레시피는 사이트 방문, 검색, 페이지 보기, 클릭한 링크, 장바구니 작업, 받은 오퍼, 받은 이메일, 콜 센터 상호 작용 등을 포함하여 고객의 모든 웹 트랜잭션을 확인해야 합니다.

데이터 과학자는 일반적으로 데이터를 탐색하고 변환하는 레시피를 만드는 데 필요한 시간의 최대 75%를 소비합니다. 데이터는 종종 여러 저장소에서 가져오고 다른 스키마에 저장됩니다. 레시피를 만드는 데 사용하려면 먼저 데이터를 결합하고 매핑해야 합니다.

처음부터 시작하거나 기존 레시피를 구성하는 경우, 조직을 위해 중앙 집중식으로 표준화된 데이터 카탈로그에서 데이터 검색을 시작하여 헌트를 상당히 단순화합니다. 조직의 다른 데이터 과학자가 이미 유사한 데이터 세트를 식별했으며 처음부터 시작하지 않고 해당 데이터 세트를 미세 조정하도록 선택할 수도 있습니다.
Adobe Experience Platform의 모든 데이터는 표준화된 XDM 스키마를 준수하므로 데이터 참여를 위한 복잡한 모델을 만들거나 데이터 엔지니어의 도움을 받을 필요가 없습니다.

필요한 데이터를 즉시 찾지 않지만 Adobe Experience Platform 외부에 존재하는 경우 추가 데이터 세트를 수집하는 것이 비교적 간단한 작업이며, 이 작업은 표준화된 XDM 스키마로도 변환됩니다.
Jupyter Notebook을(를) 사용하여 데이터 사전 처리를 단순화할 수 있습니다. 이전에 구매 성향에 사용한 전자 필기장 템플릿이나 전자 필기장으로 시작할 수 있습니다.

작성자 레서피

모든 요구 사항을 충족하는 레서피 를 이미 찾았다면 실험으로 넘어갈 수 있습니다. 또는 의 작성 런타임Jupyter Notebook을 활용하여 Data Science Workspace 레서피 내용을 약간 수정하거나 처음부터 새로 만들 수 있습니다. 작성 런타임을 사용하면 교육 및 점수 매기기 작업 과정을 사용하고 Data Science Workspace 나중에 레서피를 전환하여 조직의 다른 사용자가 저장하고 다시 사용할 수 있습니다.

또한 레서피 를 가져 Data Science Workspace 와서 지능형 서비스를 만들 때 실험 워크플로우를 활용할 수 있습니다.

레서피 실험

핵심 머신 러닝 알고리즘을 통합하는 레시피를 통해 하나의 레시피로 많은 레시피 인스턴스를 만들 수 있습니다. 이러한 레시피 인스턴스를 모델이라고 합니다. 모델은 작동 효율성과 효능을 최적화하기 위해 교육 및 평가를 필요로 하며, 이 프로세스는 일반적으로 시행착오로 구성된다.

모델을 교육하면 교육 실행 및 평가가 생성됩니다. Data Science Workspace은(는) 각 고유 모델 및 해당 교육 실행에 대한 평가 지표를 추적합니다. 실험을 통해 생성된 평가 지표를 통해 가장 성과가 좋은 교육 실행을 결정할 수 있습니다.

에서 모델을 Data Science Workspace훈련하고 평가하는 방법에 대한 튜토리얼 API 또는 UI 참조하십시오.

모델 운용

비즈니스 요구 사항에 적합한 숙련된 레시피를 선택했다면 개발자 지원 없이 Data Science Workspace에서 지능형 서비스를 만들 수 있습니다. 몇 번의 클릭만으로 코딩이 필요하지 않습니다. 게시된 지능형 서비스는 모델을 다시 작성할 필요 없이 조직의 다른 구성원이 액세스할 수 있습니다.

게시된 Intelligent Service는 새 데이터를 사용할 수 있게 되면 수시로 사용하여 자동으로 학습하도록 구성할 수 있습니다. 이렇게 하면 시간이 지남에 따라 서비스의 효율성과 효능이 유지됩니다.

다음 단계

Data Science Workspace 데이터 수집에서 알고리즘, 모든 기술 수준의 데이터 과학자를 위한 지능형 서비스에 이르기까지 데이터 과학 작업 과정 간소화 및 단순화를 지원합니다. Data Science Workspace이(가) 제공하는 정교한 도구를 사용하면 데이터에서 통찰력을 얻는 시간을 크게 단축할 수 있습니다.

더 중요한 것은 Data Science Workspace이(가) Adobe의 주요 마케팅 플랫폼의 데이터 과학 및 알고리즘 최적화 기능을 엔터프라이즈 데이터 과학자의 손에 넣었다는 것입니다. 처음으로 기업은 Adobe의 강력한 머신 러닝 및 AI 기능을 활용하여 대규모로 고도로 개인화된 고객 경험을 제공함으로써 독점 알고리즘을 플랫폼에 도입할 수 있습니다.

브랜드 전문성과 Adobe의 머신 러닝 및 AI 능력이 결합되면서 기업은 고객이 요구하기 전에 원하는 것을 제공함으로써 더 많은 비즈니스 가치와 브랜드 충성도를 추진할 수 있는 힘을 가지게 되었습니다.

전체 일일 워크플로우와 같은 추가 정보는 데이터 과학 Workspace 둘러보기 설명서를 읽는 것부터 시작하십시오.

추가 리소스

다음 비디오는 Data Science Workspace에 대한 이해를 돕기 위해 제작되었습니다.