설명서Experience PlatformData Science Workspace 안내서

MLServices 끝점

Last update: Wed Feb 28 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

작성 대상:

  • Developer

MLService는 이전에 개발된 모델에 액세스하고 재사용할 수 있는 기능을 조직에 제공하는 게시된 교육된 모델입니다. MLSservices의 주요 기능은 일정에 따라 교육 및 채점을 자동화하는 기능입니다. 예약된 교육 실행은 모델의 효율성과 정확성을 유지하는 데 도움이 될 수 있으며, 예약된 채점 실행은 새로운 통찰력이 일관되게 생성되도록 할 수 있습니다.

자동화된 교육 및 채점 일정은 시작 타임스탬프, 종료 타임스탬프 및 빈도로 표시됩니다. 크론 표현식. 다음과 같은 경우 일정을 정의할 수 있습니다. mlsService 만들기 또는 적용자 기존 MLService 업데이트.

MLService 만들기 create-an-mlservice

POST 요청 및 서비스 이름과 유효한 MLInstance ID를 제공하는 페이로드를 수행하여 MLService를 만들 수 있습니다. MLService를 만드는 데 사용되는 MLInstance에는 기존 교육 실험이 필요하지 않지만 해당 실험 ID와 교육 실행 ID를 제공하여 기존 교육 모델로 MLService를 만들도록 선택할 수 있습니다.

API 형식

POST /mlServices

요청

curl -X POST \
    https://platform.adobe.io/data/sensei/mlServices \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}' \
    -H 'content-type: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingExperimentRunId": "33408593-2871-4198-a812-6d1b7d939cda",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'
속성
설명
name
MLService에 대해 원하는 이름입니다. 이 MLService에 해당하는 서비스는 서비스 이름으로 서비스 갤러리 UI에 표시될 이 값을 상속합니다.
description
MLService에 대한 선택적 설명입니다. 이 MLService에 해당하는 서비스는 서비스 설명으로 서비스 갤러리 UI에 표시될 이 값을 상속합니다.
mlInstanceId
유효한 MLInstance ID입니다.
trainingDataSetId
제공되는 경우 MLInstance의 기본 데이터 세트 ID를 오버라이드하는 교육 데이터 세트 ID입니다. MLService를 만드는 데 사용된 MLInstance에서 교육 데이터 세트를 정의하지 않는 경우 적절한 교육 데이터 세트 ID를 제공해야 합니다.
trainingExperimentId
선택적으로 제공할 수 있는 실험 ID. 이 값이 제공되지 않으면 MLService를 만들면 MLInstance의 기본 구성을 사용하여 새 실험도 만들어집니다.
trainingExperimentRunId
선택적으로 제공할 수 있는 교육 실행 ID입니다. 이 값이 제공되지 않으면 MLService를 만들면 MLInstance의 기본 교육 매개 변수를 사용하여 교육 실행도 만들고 실행합니다.
trainingSchedule
자동화된 교육 실행에 대한 일정입니다. 이 속성이 정의된 경우 MLService는 일정에 따라 교육 실행을 자동으로 수행합니다.
trainingSchedule.startTime
예약된 교육 실행이 시작되는 타임스탬프입니다.
trainingSchedule.endTime
예약된 교육 실행이 종료되는 타임스탬프입니다.
trainingSchedule.cron
자동화된 교육 실행의 빈도를 정의하는 cron 표현식.
scoringSchedule
자동화된 채점 실행에 대한 일정. 이 속성이 정의된 경우 MLService는 일정에 따라 채점 실행을 자동으로 수행합니다.
scoringSchedule.startTime
예약된 채점 실행이 시작되는 타임스탬프입니다.
scoringSchedule.endTime
예약된 채점 실행이 종료되는 타임스탬프입니다.
scoringSchedule.cron
자동화된 채점 실행의 빈도를 정의하는 크론 표현식입니다.

응답

성공적인 응답은 고유 식별자( )를 포함하여 새로 생성된 MLService의 세부 사항이 포함된 페이로드를 반환합니다id), 교육용 실험 ID(trainingExperimentId), 채점을 위한 실험 ID(scoringExperimentId) 및 입력 교육 데이터 세트 ID(trainingDataSetId).

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

MLService 목록 검색 retrieve-a-list-of-mlservices

단일 GET 요청을 수행하여 MLService 목록을 검색할 수 있습니다. 결과를 필터링하기 위해 요청 경로에 쿼리 매개 변수를 지정할 수 있습니다. 사용 가능한 쿼리 목록은 의 부록 섹션을 참조하십시오. 자산 검색을 위한 쿼리 매개 변수.

API 형식

GET /mlServices
GET /mlServices?{QUERY_PARAMETER}={VALUE}
GET /mlServices?{QUERY_PARAMETER_1}={VALUE_1}&{QUERY_PARAMETER_2}={VALUE_2}
매개변수
설명
{QUERY_PARAMETER}
다음 중 하나 사용 가능한 쿼리 매개 변수 결과를 필터링하는 데 사용됩니다.
{VALUE}
이전 쿼리 매개 변수의 값입니다.

요청

다음 요청에는 쿼리가 포함되어 있으며 동일한 MLInstance ID( )를 공유하는 MLService 목록을 검색합니다.{MLINSTANCE_ID}).

curl -X GET \
    'https://platform.adobe.io/data/sensei/mlServices?property=mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda' \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

성공적인 응답은 MLService 목록과 해당 MLService ID( )를 포함한 세부 정보를 반환합니다.{MLSERVICE_ID}), 교육용 실험 ID({TRAINING_ID}), 채점을 위한 실험 ID({SCORING_ID}) 및 입력 교육 데이터 세트 ID({DATASET_ID}).

{
    "children": [
        {
            "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
            "name": "A service created in UI",
            "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
            "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
            "trainingDataSetId": "5ee3cd7f2d34011913c56941",
            "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
            "created": "2019-01-01T00:00:00.000Z",
            "createdBy": {
                "displayName": "Jane Doe",
                "userId": "Jane_Doe@AdobeID"
            },
            "updated": "2019-01-01T00:00:00.000Z"
        }
    ],
    "_page": {
        "property": "mlInstanceId==46986c8f-7739-4376-8509-0178bdf32cda,deleted==false",
        "count": 1
    }
}

특정 MLService 검색 retrieve-a-specific-mlservice

요청 경로에 원하는 MLService의 ID를 포함하는 GET 요청을 수행하여 특정 실험의 세부 정보를 검색할 수 있습니다.

API 형식

GET /mlServices/{MLSERVICE_ID}
  • {MLSERVICE_ID}: 유효한 MLService ID입니다.

요청

curl -X GET \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

성공적인 응답은 요청된 MLService의 세부 정보가 포함된 페이로드를 반환합니다.

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

MLService 업데이트 update-an-mlservice

요청 경로에 대상 MLService의 ID를 포함하는 PUT 요청을 통해 속성을 덮어쓰고 업데이트된 속성이 포함된 JSON 페이로드를 제공하여 기존 MLService를 업데이트할 수 있습니다.

TIP
이 PUT GET 요청의 성공을 보장하려면 먼저 다음 작업을 수행하는 것이 좋습니다. ID별로 MLService 검색. 그런 다음 반환된 JSON 개체를 수정 및 업데이트하고 수정된 JSON 개체 전체를 PUT 요청에 대한 페이로드로 적용합니다.

API 형식

PUT /mlServices/{MLSERVICE_ID}
  • {MLSERVICE_ID}: 유효한 MLService ID입니다.

요청

curl -X PUT \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}' \
    -H 'content-type: application/vnd.adobe.platform.sensei+json; profile=mlService.v1.json' \
    -d '{
        "name": "A name for this MLService",
        "description": "A description for this MLService",
        "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
        "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
        "trainingDataSetId": "5ee3cd7f2d34011913c56941",
        "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
        "trainingSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        },
        "scoringSchedule": {
            "startTime": "2019-01-01T00:00",
            "endTime": "2019-12-31T00:00",
            "cron": "20 * * * *"
        }
    }'

응답

성공적인 응답은 MLService의 업데이트된 세부 사항이 포함된 페이로드를 반환합니다.

{
    "id": "68d936d8-17e6-44ef-a4b6-c7502055638b",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "46986c8f-7739-4376-8509-0178bdf32cda",
    "trainingExperimentId": "014d8acf-08fb-421c-8b65-760c8799c627",
    "trainingDataSetId": "5ee3cd7f2d34011913c56941",
    "scoringExperimentId": "76c2b1b-fad7-4b31-8c54-19ecc18b1ea0",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "trainingSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "scoringSchedule": {
        "startTime": "2019-01-01T00:00",
        "endTime": "2019-12-31T00:00",
        "cron": "20 * * * *"
    },
    "updated": "2019-01-02T00:00:00.000Z"
}

MLService 삭제

요청 경로에 대상 MLService의 ID를 포함하는 DELETE 요청을 수행하여 단일 MLService를 삭제할 수 있습니다.

API 형식

DELETE /mlServices/{MLSERVICE_ID}
매개변수
설명
{MLSERVICE_ID}
유효한 MLService ID입니다.

요청

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices/68d936d8-17e6-44ef-a4b6-c7502055638b \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

{
    "title": "Success",
    "status": 200,
    "detail": "MLService deletion was successful"
}

MLInstance ID별로 MLServices 삭제

MLInstance ID를 쿼리 매개 변수로 지정하는 DELETE 요청을 수행하여 특정 MLInstance에 속하는 모든 MLService를 삭제할 수 있습니다.

API 형식

DELETE /mlServices?mlInstanceId={MLINSTANCE_ID}
매개변수
설명
{MLINSTANCE_ID}
유효한 MLInstance ID입니다.

요청

curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices?mlInstanceId=46986c8f-7739-4376-8509-0178bdf32cda \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {ORG_ID}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답

{
    "title": "Success",
    "status": 200,
    "detail": "MLServices deletion was successful"
}
recommendation-more-help
cc79fe26-64da-411e-a6b9-5b650f53e4e9