Show Menu
ARGOMENTI×

Guida introduttiva all'apprendimento automatico in tempo reale (Alpha)

L'apprendimento automatico in tempo reale non è ancora disponibile per tutti gli utenti. Questa funzione è in alfa e viene ancora testata. Questo documento è soggetto a modifiche.
Per utilizzare l'apprendimento automatico in tempo reale, è necessario avere accesso a un'organizzazione con provisioning Adobe Experience Platform e Data Science Workspace. Inoltre, è necessario disporre di un set di dati completo da utilizzare per la formazione e il punteggio.
Le guide per l'apprendimento automatico in tempo reale richiedono una conoscenza operativa di Python 3, Jupyter notebook , data science e machine learning.
Termini chiave:
  • DSL: Lingua specifica del dominio.
  • Bordo: Il servizio di valutazione del Machine Learning in tempo reale può essere eseguito su cluster Edge più vicini alle attivazioni e alle applicazioni.
  • Hub: L'alfa corrente esegue il servizio di punteggio Real-time Machine Learning su Adobe Experience Platform Hub mentre Experience Edge Network è in fase di sviluppo.
  • Nodo: Un nodo è l'unità fondamentale di cui si formano i grafici. Ogni nodo esegue un'attività specifica e può essere concatenato utilizzando i collegamenti per creare un grafico che rappresenta una pipeline ML. L'attività eseguita da un nodo rappresenta un'operazione sui dati di input, ad esempio una trasformazione di dati o schema, o un'inferenza di apprendimento di una macchina. Il nodo genera il valore trasformato o dedotto nei nodi successivi.

Set di dati in Adobe Experience Platform

Per iniziare a utilizzare l'apprendimento automatico in tempo reale, è necessario avere accesso a un dataset. Potete utilizzare un set di dati esterno e caricarlo nel vostro JupyterLab ambiente oppure creare un nuovo set di dati all'interno della piattaforma, se non lo avete già fatto.
Se si dispone già di un set di dati da utilizzare, è possibile passare ai passaggi Passaggi successivi Successivi.

Utilizzare un dataset esterno

Per ulteriori informazioni sull'utilizzo di un set di dati esterno, ad esempio il caricamento di dati nell' JupyterLab ambiente, visitare l'esercitazione sull' analisi dei dati utilizzando i blocchi appunti .

Creare un nuovo dataset

Per creare un nuovo dataset da utilizzare in Real-time Machine Learning, è necessario uno schema dati per il dataset. Successivamente, è necessario acquisire i dati utilizzando lo schema creato. Utilizzate le seguenti esercitazioni per creare e compilare un dataset per Platform:

Passaggi successivi

Dopo aver preparato i dati per l'apprendimento automatico in tempo reale, iniziare seguendo la guida utente del notebook Real-time Machine Learning per imparare a creare e caricare un modello ONNX nel negozio di modelli Real-time Machine Learning.