Show Menu
화제×

MLServices

MLService는 이전에 개발된 모델에 액세스하고 재사용할 수 있는 기능을 조직에 제공하는 교육된 게시된 모델입니다. MLServices의 주요 기능은 트레이닝 및 점수의 일정을 자동화하는 기능입니다. 예약된 트레이닝 실행은 모델의 효율성과 정확성을 유지하는 데 도움이 되지만, 예약된 점수 실행은 새로운 인사이트를 일관되게 생성할 수 있습니다.
자동화된 트레이닝 및 점수 지정 일정은 시작 타임스탬프, 종료 타임스탬프 및 Cron cron 표현식으로표시되는 빈도로 정의됩니다. MLService를 만들 때 예약을 정의하거나 기존 MLService를 업데이트하여 적용할 수 있습니다 .

MLService 만들기

POST 요청과 서비스 이름과 유효한 MLInstance ID를 제공하는 페이로드를 수행하여 MLService를 만들 수 있습니다. MLService를 만드는 데 사용되는 MLInstance는 기존 교육 실험을 가질 필요는 없지만 해당 실험 ID 및 교육 실행 ID를 제공하여 기존의 교육 모델을 사용하여 MLService를 만들 수도 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: {IMS_ORG}' \
    -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": "{MLINSTANCE_ID}",
        "trainingDataSetId": "{DATASET_ID}",
        "trainingExperimentId": "{TRAINING_ID}",
        "trainingExperimentRunId": "{RUN_ID}",
        "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 갤러리 UI에 서비스의 이름으로 표시할 이 값을 상속합니다.
description
MLService에 대한 선택적 설명입니다. 이 MLService에 해당하는 서비스는 서비스의 설명으로 서비스 갤러리 UI에 표시할 이 값을 상속합니다.
mlInstanceId
유효한 MLInstance ID입니다.
trainingDataSetId
제공된 경우 MLInstance의 기본 데이터 집합 ID를 무시하는 교육 데이터 집합 ID입니다. MLService를 만드는 데 사용된 MLInstance가 교육 데이터 집합을 정의하지 않으면 적절한 교육 데이터 집합 ID를 제공해야 합니다.
trainingExperimentId
선택적으로 제공할 수 있는 실험 ID입니다. 이 값이 제공되지 않으면 MLService를 만들면 MLInstance의 기본 구성을 사용하여 새 Experiment도 생성됩니다.
trainingExperimentRunId
선택적으로 제공할 수 있는 교육 실행 ID입니다. 이 값이 제공되지 않으면 MLService를 만들면 MLInstance의 기본 교육 매개 변수를 사용하여 교육 실행도 만들고 실행됩니다.
trainingSchedule
자동화된 트레이닝 일정이 실행됩니다. 이 속성이 정의된 경우 MLService는 예약된 대로 교육 실행을 자동으로 수행합니다.
trainingSchedule.startTime
예약된 교육 실행이 시작되는 타임스탬프
trainingSchedule.endTime
예약된 교육이 종료되는 타임스탬프
trainingSchedule.cron
자동화된 교육 실행 빈도를 정의하는 cron 식입니다.
scoringSchedule
자동 점수 실행 일정 이 속성이 정의된 경우 MLService는 예약된 기준으로 점수 실행을 자동으로 수행합니다.
scoringSchedule.startTime
예약된 점수 실행이 시작되는 타임스탬프.
scoringSchedule.endTime
예약된 점수 실행이 끝날 타임스탬프.
scoringSchedule.cron
자동화된 점수 실행 빈도를 정의하는 cron 표현식.
응답
성공적인 응답은 고유 식별자( id ), 교육 실험 ID( trainingExperimentId ), 점수 지정 실험 ID( scoringExperimentId ), 입력 교육 데이터 집합 ID( trainingDataSetId )를 포함하여 새로 만든 MLService의 세부 사항이 포함된 페이로드를 반환합니다.
{
    "id": "{MLSERVICE_ID}",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "{MLINSTANCE_ID}",
    "trainingExperimentId": "{TRAINING_ID}",
    "trainingDataSetId": "{DATASET_ID}",
    "scoringExperimentId": "{SCORING_ID}",
    "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"
}

MLServices 목록 검색

단일 GET 요청을 수행하여 MLSerservices 목록을 검색할 수 있습니다. 결과를 필터링하는 데 도움이 되도록 요청 경로에서 쿼리 매개 변수를 지정할 수 있습니다. 사용 가능한 쿼리 목록은 자산 검색을 위한 쿼리 매개 변수의 부록 섹션을 참조하십시오.
API 형식
GET /mlServices
GET /mlServices?{QUERY_PARAMETER}={VALUE}
GET /mlServices?{QUERY_PARAMETER_1}={VALUE_1}&{QUERY_PARAMETER_2}={VALUE_2}

매개 변수
설명
{QUERY_PARAMETER}
결과를 필터링하는 데 사용되는 사용 가능한 쿼리 매개 변수 중 하나입니다.
{VALUE}
이전 쿼리 매개 변수의 값입니다.
요청
다음 요청에는 쿼리가 포함되어 있고 동일한 MLInstance ID( {MLINSTANCE_ID} )를 공유하는 MLSerservices 목록을 검색합니다.
curl -X GET \
    'https://platform.adobe.io/data/sensei/mlServices?property=mlInstanceId=={MLINSTANCE_ID}' \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답
성공적인 응답은 MLService ID( {MLSERVICE_ID} ), 교육 실험 ID( {TRAINING_ID} ), 점수 지정 실험 ID( {SCORING_ID} ), 입력 교육 데이터 세트 ID( {DATASET_ID} )를 포함하여 MLServices 및 세부 사항을 반환합니다.
{
    "children": [
        {
            "id": "{MLSERVICE_ID}",
            "name": "A service created in UI",
            "mlInstanceId": "{MLINSTANCE_ID}",
            "trainingExperimentId": "{TRAINING_ID}",
            "trainingDataSetId": "{DATASET_ID}",
            "scoringExperimentId": "{SCORING_ID}",
            "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=={MLINSTANCE_ID},deleted==false",
        "count": 1
    }
}

특정 MLService 검색

요청 경로에 원하는 MLService ID를 포함하는 GET 요청을 수행하여 특정 실험 세부 사항을 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/{MLSERVICE_ID} \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

응답
성공적인 응답은 요청된 MLService의 세부 정보가 포함된 페이로드를 반환합니다.
{
    "id": "{MLSERVICE_ID}",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "{MLINSTANCE_ID}",
    "trainingExperimentId": "{TRAINING_ID}",
    "trainingDataSetId": "{DATASET_ID}",
    "scoringExperimentId": "{SCORING_ID}",
    "created": "2019-01-01T00:00:00.000Z",
    "createdBy": {
        "userId": "Jane_Doe@AdobeID"
    },
    "updated": "2019-01-01T00:00:00.000Z"
}

MLService 업데이트

요청 경로에 대상 MLService ID가 포함된 PUT 요청을 통해 속성을 덮어쓰고 업데이트된 속성이 포함된 JSON 페이로드를 제공하여 기존 MLService를 업데이트할 수 있습니다.
이 PUT 요청의 성공을 보장하기 위해, 먼저 ID로 MLService를 검색하기 위한 GET 요청을 수행하는 것이 좋습니다 . 그런 다음 반환된 JSON 개체를 수정 및 업데이트하고 수정된 JSON 개체 전체를 PUT 요청의 페이로드로 적용합니다.
API 형식
PUT /mlServices/{MLSERVICE_ID}

  • {MLSERVICE_ID} :유효한 MLService ID입니다.
요청
curl -X PUT \
    https://platform.adobe.io/data/sensei/mlServices/{MLSERVICE_ID} \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -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": "{MLINSTANCE_ID}",
        "trainingExperimentId": "{TRAINING_ID}",
        "trainingDataSetId": "{DATASET_ID}",
        "scoringExperimentId": "{SCORING_ID}",
        "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 정보가 포함된 페이로드를 반환합니다.
{
    "id": "{MLSERVICE_ID}",
    "name": "A name for this MLService",
    "description": "A description for this MLService",
    "mlInstanceId": "{MLINSTANCE_ID}",
    "trainingExperimentId": "{TRAINING_ID}",
    "trainingDataSetId": "{DATASET_ID}",
    "scoringExperimentId": "{SCORING_ID}",
    "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}

매개 변수
설명
{MLSERVICE_ID}
유효한 MLService ID입니다.
요청
curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices/{MLSERVICE_ID} \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

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

MLInstance ID로 MLServices 삭제

MLInstance ID를 쿼리 매개 변수로 지정하는 DELETE 요청을 수행하여 특정 MLInstance에 속하는 모든 MLServices를 삭제할 수 있습니다.
API 형식
DELETE /mlServices?mlInstanceId={MLINSTANCE_ID}

매개 변수
설명
{MLSERVICE_ID}
유효한 MLService ID입니다.
요청
curl -X DELETE \
    https://platform.adobe.io/data/sensei/mlServices?mlInstanceId={MLINSTANCE_ID} \
    -H 'Authorization: Bearer {ACCESS_TOKEN}' \
    -H 'x-api-key: {API_KEY}' \
    -H 'x-gw-ims-org-id: {IMS_ORG}' \
    -H 'x-sandbox-name: {SANDBOX_NAME}'

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