Show Menu
トピック×

リアルタイム機械学習の概要(アルファ)

リアルタイム機械学習は、まだすべてのユーザーが利用できるわけではありません。 この機能はアルファベットで、まだテスト中です。 このドキュメントは変更される可能性があります。
リアルタイム機械学習は、エンドユーザーに対するデジタルエクスペリエンスコンテンツの関連性を大幅に向上させます。 これは、Experience Edgeでリアルタイムの会議と継続的な学習を活用することで可能になります。
ハブとエッジの両方でシームレスな計算を組み合わせることで、従来、関連性が高く応答性の高い、パーソナライズされたエクスペリエンスのパワーに関与してきた待ち時間が大幅に削減されます。 したがって、リアルタイム機械学習では、同期的な意思決定に対する遅延が非常に低いという推測が提供されます。 例としては、パーソナライズされたWebページコンテンツのレンダリングや、オファーの提示、Webストアでの変動の抑制とコンバージョンの増加を目的とした割引などがあります。

リアルタイム機械学習アーキテクチャ

次の図は、リアルタイム機械学習アーキテクチャの概要を示しています。 現在、alphaの方が簡単になっています。

リアルタイム機械学習ワークフロー

次のワークフローは、リアルタイム機械学習モデルの作成と利用に関する一般的な手順と結果の概要を示しています。

データの取り込みと準備

データは、Adobe Experience PlatformのExperience Data Model(XDM)で取り込まれ、変換されます。 このデータは、モデルトレーニングに使用されます。 XDMの詳細については、 XDMの概要を参照してください

オーサリング

リアルタイム機械学習モデルを作成するには、ゼロから作成するか、Adobe Experience Platform Jupyter Notebooksで事前にトレーニングを受けたONNXモデルとして提供します。

デプロイ

モデルをExperience Edgeに展開し、予測APIエンドポイントを使用してサービスギャラリーでリアルタイム機械学習サービスを作成します。

推論

予測REST APIエンドポイントを使用して、機械学習インサイトをリアルタイムで生成します。

配信

その後、リアルタイムの機械学習スコアをアドビのターゲットを使用するエクスペリエンスにマップするセグメントとルールを定義できます。 これにより、ブランドのWebサイトの訪問者に対して、同じページまたは次のページにあるハイパーパーソナライズされたエクスペリエンスをリアルタイムで表示できます。

現在の機能

リアルタイム機械学習は現在アルファベット順です。 以下に説明する機能は、利用可能な機能とノードが増えるため、変更されることがあります。
アルファの制限:
  • 現在、ONNXベースのモデルのみがサポートされています。
  • ノードで使用される関数はシリアライズできません。 例えば、Pandasノードで使用されるラムダ関数です。
  • Edgeのデプロイメントを手動で実行した後、60秒のスリープ状態が発生します。
  • 詳細な学習を行う場合は、データを、呼び出されたときに、DLモデルが受け入れ可能なアレイを返すように送信する必要があり df.values ます。 これは、ONNXモデルスコアリングノードが出力を使用 df.values して送信し、モデルに対してスコアリングを行うためです。

機能:

アルファ(5月)
機能
- RTMLノートブックテンプレートを使用し、カスタムの機械学習モデルを作成、テスト、および展開します。
— トレーニングを受けた機械学習モデルのインポートをサポート。
— リアルタイム機械学習SDK
— オーサリングノードのスターターセット。
- Adobe Experience Platform Hubにデプロイ済み。
利用可能場所
北米
オーサリングノード
- Pandas
- ScikitLearn
- ONXNode
- Split
- ModelUpload
- OneHotEncoder
スコアリング実行時間
ONNX

次の手順

はじめに、はじめに Real-time Machine Learning(Alpha)の概要 . このガイドでは、リアルタイム機械学習モデルを作成するために必要な前提条件をすべて設定する手順を説明します。