AI/ML 功能管道
Data Distiller使数据科学家和工程师能够利用Adobe Experience Platform中收集和整理的高价值客户体验数据，丰富其机器学习管道。 从任何环境中的Python笔记本中，您可以交互浏览Experience Platform中的客户数据，从数据中定义和计算功能，并将计算功能读入机器学习环境中以进行建模。
IMPORTANT
此工作流需要Data Distiller和Adobe Experience Platform Intelligence许可证。 如果您没有这两种产品，请与您的Adobe服务代表联系。
- 借助Data Distiller强大的查询功能，您可以从Experience Platform中提供的丰富行为数据中提取有意义的特征。 然后，您可以将提取的特征数据引入机器学习Experience Platform，而无需在环境之外复制大量事件数据。
- 将准备好的功能数据集读取到您首选的机器学习工具中，并与来自企业数据的其他功能相结合，训练、试验、调整和部署为您的业务定制的自定义模型。
- 从您的模型中生成分数、预测或推荐，并将输出返回给Experience Platform，以通过Real-time Customer Data Platform和Adobe Journey Optimizer优化客户体验。
先决条件 prerequisites
此工作流要求您对Adobe Experience Platform的各个方面有一定的了解。 在开始本教程之前，请查看文档以了解以下概念：
- 如何验证和访问Experience PlatformAPI。
- 沙盒： 基于属性的访问控制权限以及如何创建和管理角色，并为这些角色分配所需的资源权限。
- 数据管理：如何将数据使用标签应用于数据集和字段，并根据相关的数据治理策略和访问控制策略对每个进行分类。
后续步骤
通过阅读本文档，您已了解使用首选机器学习工具构建支持营销用例的自定义模型背后的重要概念。
本系列指南中包含的文档描述了创建功能管道的基本步骤，这些管道从Experience Platform到馈送机器学习环境中的自定义模型。 您现在已准备好在Data Distiller与Jupyter Notebook之间建立连接。
下面链接的文档与上面信息图中指示的步骤相对应。
- 步骤1：浏览和分析数据集
- 步骤2：机器学习的工程师功能
- 步骤3：导出功能数据集
其他资源
- aepp：Adobe管理的开源Python库，用于从Python代码向Data Distiller和其他Experience Platform服务发出请求。
recommendation-more-help
ccf2b369-4031-483f-af63-a93b5ae5e3fb