Pontuar um modelo na interface do usuário do Data Science Workspace

A pontuação no Adobe Experience Platform Data Science Workspace pode ser obtida alimentando dados de entrada em um Modelo treinado existente. Os resultados da pontuação são armazenados e visualizados em um conjunto de dados de saída especificado como um novo lote.

Este tutorial demonstra as etapas necessárias para pontuar um Modelo na interface do usuário Data Science Workspace.

Introdução

Para concluir este tutorial, você deve ter acesso a Experience Platform. Se você não tiver acesso a uma organização no Experience Platform, fale com o administrador do sistema antes de continuar.

Este tutorial requer um modelo treinado. Se você não tiver um Modelo treinado, siga o treinamento e avalie um Modelo na interface do usuário tutorial antes de continuar.

Criar uma nova execução de pontuação

Uma execução de pontuação é criada usando configurações otimizadas de uma execução de treinamento concluída e avaliada anteriormente. O conjunto de configurações ideais para um Modelo é normalmente determinado pela revisão das métricas de avaliação da execução de treinamento.

Encontre o melhor treinamento executado para usar suas configurações para pontuação. Em seguida, abra a execução de treinamento desejada selecionando o hiperlink anexado ao seu nome.

Na guia de execução de treinamento Evaluation, selecione Score, localizado na parte superior direita da tela. Um novo fluxo de trabalho de pontuação é iniciado.

Selecione o conjunto de dados de pontuação de entrada e selecione Next.

Selecione o conjunto de dados de pontuação de saída, esse é o conjunto de dados de saída dedicado em que os resultados da pontuação são armazenados. Confirme sua seleção e selecione Next.

A etapa final no fluxo de trabalho solicita que você configure a execução de pontuação. Essas configurações são usadas pelo modelo para a execução de pontuação.
Observe que não é possível remover parâmetros herdados que foram definidos durante a criação dos modelos. Você pode editar ou reverter parâmetros não herdados clicando duas vezes no valor ou selecionando o ícone de reversão enquanto passa o mouse sobre a entrada.

Revise e confirme as configurações de pontuação e selecione Finish para criar e executar a execução de pontuação. Você será direcionado para a guia Scoring Runs e a nova execução de pontuação com o status Pending será exibida.

Uma execução de pontuação pode ser exibida com um dos seguintes status:

Os status são atualizados automaticamente. Vá para a próxima etapa se o status for Complete ou Failed.

Exibir resultados de pontuação

Para exibir os resultados da pontuação, comece selecionando uma execução de treinamento.

Você é redirecionado para a página de execuções de treinamento Evaluation. Próximo à parte superior da página de avaliação da execução de treinamento, selecione a guia Scoring Runs para exibir uma lista de execuções de pontuação existentes.

Em seguida, selecione uma execução de pontuação para exibir os detalhes da execução.

Se a execução de pontuação selecionada tiver um status "Concluído" ou "Falha", o link View Activity Logs será disponibilizado. Se uma execução de pontuação falhar, os logs de execução podem fornecer informações úteis para determinar o motivo da falha. Para baixar os logs de execução, selecione View Activity Logs.

O popover View activity logs é exibido. Selecione um URL para baixar automaticamente os logs associados.

Você também tem a opção de ver seus resultados de pontuação selecionando Preview scoring results dataset.

É fornecida uma pré-visualização do conjunto de dados de saída.

Para o conjunto completo de resultados de pontuação, selecione o link Scoring Results Dataset localizado na coluna direita.

Próximas etapas

Este tutorial guiou você pelas etapas de pontuação de dados usando um Modelo treinado no Data Science Workspace. Siga o tutorial em publicar um Modelo como um Serviço na interface para permitir que os usuários em sua organização pontuem os dados fornecendo acesso fácil a um Serviço de aprendizado de máquina.