Show Menu
THEMEN×

Übungen zum Arbeitsbereich für Datenwissenschaften

Der Data Science Workspace der Adobe Experience Platform nutzt maschinelles Lernen und künstliche Intelligenz, um Erkenntnisse aus Ihren Daten zu gewinnen. Der Data Science Workspace ist in die Adobe Experience Platform integriert und hilft Ihnen bei der Erstellung von Prognosen mithilfe Ihrer Inhalts- und Datenelemente in allen Adobe-Lösungen. Datenwissenschaftler aller Qualifikationsstufen verfügen über ausgereifte, benutzerfreundliche Werkzeuge, die eine schnelle Entwicklung, Ausbildung und Abstimmung von maschinellen Lernrezepten unterstützen - all die Vorteile der AI-Technologie, ohne die Komplexität. Um mehr zu erfahren, lesen Sie zunächst die Übersicht über den Data Science Workspace .

Erstellen und Veröffentlichen eines maschinellen Lernmodells

Erstellen Sie Modelle für maschinelles Lernen, um mithilfe von Data Science Workspace Einblicke aus Experience Platform-Daten zu gewinnen. Beginnen Sie mit der Überprüfung des gesamten Arbeitsablaufs im Data Science Workspace, einschließlich der Vorbereitung von Daten, dem Erstellen eines Modells, dem Training und der Evaluierung eines Modells und der Operationalisierung des Modells. Beginnen Sie mit der exemplarischen Vorgehensweise zum Erstellen und Veröffentlichen eines maschinellen Lernmodells .

Profile und Segmente durch Einblicke in maschinelles Lernen bereichern

Data Science Workspace bietet die Werkzeuge und Ressourcen, um maschinelle Lernmodelle zu erstellen, zu bewerten und zu nutzen, um Datenprognosen und Erkenntnisse zu generieren. Wenn Einblicke in das maschinelle Lernen in einen Echtzeit-Dataset mit aktiviertem Kundendaten eingebunden werden, werden dieselben Daten auch als Profil-Datensätze erfasst, die dann mithilfe des Segmentierungsdiensts von ADobe Experience Platform in Untergruppen verwandter Profil segmentiert werden können. Um mehr zu erfahren, folgen Sie dem umfangreichen Profil mit Insight-Lehrgang zum maschinellen Lernen.

Veröffentlichen eines Modells als Dienst

Mit Data Science Workspace können Sie Ihr geschultes und ausgewertetes Modell als Service veröffentlichen, sodass Benutzer innerhalb Ihrer IMS-Organisation Daten bewerten können, ohne eigene Modelle erstellen zu müssen. Dies kann über die Plattform-Benutzeroberfläche oder die Sensei Machine Learning API erfolgen. Beginnen Sie zunächst mit der Veröffentlichung eines Modells als Service- API-Lernprogramm oder dem UI-Lernprogramm .

Modell planen

Mit Data Science Workspace können Sie planmäßige Scoring- und Schulungsabläufe auf einem maschinellen Lerndienst einrichten. Die Automatisierung des Schulungs- und Bewertungsvorgangs kann dazu beitragen, die Effizienz eines Dienstes im Laufe der Zeit zu erhalten und zu verbessern, indem Sie die Muster in Ihren Daten beibehalten. Weitere Informationen finden Sie im Tutorial zum Planen eines Modells mithilfe der Benutzeroberfläche .