데이터 과학 작업 공간 UI에서 패키지된 레시피 가져오기
이 자습서에서는 제공된 소매 판매 예제를 사용하여 패키지된 레시피를 구성하고 가져오는 방법에 대한 통찰력을 제공합니다. 이 자습서가 끝날 때까지 Adobe Experience Platform에서 모델을 만들고, 교육하고, 평가할 준비가 될 것입니다 Data Science Workspace.
사전 요구 사항
이 자습서에서는 도커 이미지 URL 형태로 패키지된 레시피가 필요합니다. 다음 방법에 대한 튜토리얼 보기 소스 파일을 레시피에 패키징 추가 정보.
UI 워크플로
패키지된 레시피를으로 가져오기 Data Science Workspace 단일 JavaScript 개체 표기법(JSON) 파일로 컴파일된 특정 레시피 구성이 필요합니다. 이 레시피 구성 컴파일을 구성 파일이라고 합니다. 특정 세트의 구성들을 갖는 패키징된 레시피는 레시피 인스턴스로서 지칭된다. 하나의 레시피를 사용하여 Data Science Workspace.
패키지 레시피를 가져오는 워크플로우는 다음 단계로 구성됩니다.
레시피 구성 configure
의 모든 레시피 인스턴스 Data Science Workspace 는 특정 사용 사례에 맞게 레시피 인스턴스를 맞춤화하는 구성 세트와 함께 제공됩니다. 구성 파일은 이 레시피 인스턴스를 사용하여 만든 모델의 기본 교육 및 채점 동작을 정의합니다.
다음은 소매 판매 레시피에 대한 기본 교육 및 채점 동작을 보여 주는 샘플 구성 파일입니다.
[
{
"name": "train",
"parameters": [
{
"key": "learning_rate",
"value": "0.1"
},
{
"key": "n_estimators",
"value": "100"
},
{
"key": "max_depth",
"value": "3"
},
{
"key": "ACP_DSW_INPUT_FEATURES",
"value": "date,store,storeType,storeSize,temperature,regionalFuelPrice,markdown,cpi,unemployment,isHoliday"
},
{
"key": "ACP_DSW_TARGET_FEATURES",
"value": "weeklySales"
},
{
"key": "ACP_DSW_FEATURE_UPDATE_SUPPORT",
"value": false
},
{
"key": "tenantId",
"value": "_{TENANT_ID}"
},
{
"key": "ACP_DSW_TRAINING_XDM_SCHEMA",
"value": "{SEE BELOW FOR DETAILS}"
},
{
"key": "evaluation.labelColumn",
"value": "weeklySalesAhead"
},
{
"key": "evaluation.metrics",
"value": "MAPE,MAE,RMSE,MASE"
}
]
},
{
"name": "score",
"parameters": [
{
"key": "tenantId",
"value": "_{TENANT_ID}"
},
{
"key":"ACP_DSW_SCORING_RESULTS_XDM_SCHEMA",
"value":"{SEE BELOW FOR DETAILS}"
}
]
}
]
learning_raten_estimatorsmax_depthACP_DSW_INPUT_FEATURESACP_DSW_TARGET_FEATURESACP_DSW_FEATURE_UPDATE_SUPPORTACP_DSW_TRAINING_XDM_SCHEMAevaluation.labelColumnevaluation.metricsACP_DSW_SCORING_RESULTS_XDM_SCHEMA이 자습서에서는 소매 판매 레시피의 기본 구성 파일을 Data Science Workspace 있는 그대로를 참고하세요.
도커 기반 레시피 가져오기 - Python python
탐색 및 선택하여 시작 워크플로 의 왼쪽 상단에 있음 Platform UI. 그런 다음 을 선택합니다. 레시피 가져오기 및 선택 시작.
다음 구성 페이지 레시피 가져오기 워크플로가 나타납니다. 배합식의 이름과 설명을 입력한 다음 선택합니다. 다음 오른쪽 상단 모서리입니다.
다음에 접속하면 소스 선택 페이지를, 을 사용하여 빌드된 패키지된 레시피에 해당하는 도커 URL을 붙여 넣습니다. Python 의 소스 파일 소스 URL 필드. 그런 다음 제공된 구성 파일을 드래그 앤 드롭하여 가져오거나 파일 시스템을 사용합니다 브라우저. 제공된 구성 파일은에서 찾을 수 있습니다. experience-platform-dsw-reference/recipes/python/retail/retail.config.json. 선택 Python 다음에서 런타임 드롭다운 및 분류 다음에서 유형 드롭다운입니다. 모든 항목이 작성되면 다음을 선택합니다. 다음 오른쪽 상단 모서리에서 스키마 관리.
그런 다음 섹션 아래에서 소매 판매 입력 및 출력 스키마를 선택합니다 스키마 관리 에서 제공된 부트스트랩 스크립트를 사용하여 작성되었습니다. 소매 판매 스키마 및 데이터 세트 만들기 튜토리얼.
아래 기능 관리 섹션에서 스키마 뷰어의 테넌트 ID를 선택하여 소매 판매 입력 스키마를 확장합니다. 원하는 피쳐를 강조표시하고 다음 중 하나를 선택하여 입력 및 출력 피쳐를 선택합니다 입력 기능 또는 Target 기능 오른쪽에서 필드 속성 창. 이 자습서의 목적을 위해 다음을 설정하십시오. weeklySales (으)로 Target 기능 및 기타 모든 항목 입력 기능. 선택 다음 을 클릭하여 새로 구성된 레시피를 검토합니다.
레시피를 검토하고 필요에 따라 구성을 추가, 수정 또는 제거합니다. 선택 완료 레시피를 만들 수 있습니다.
다음으로 진행 다음 단계 에서 모델을 만드는 방법을 알아보려면 Data Science Workspace 새로 생성된 소매 판매 레시피 사용.
도커 기반 레시피 가져오기 - R r
탐색 및 선택하여 시작 워크플로 의 왼쪽 상단에 있음 Platform UI. 그런 다음 을 선택합니다. 레시피 가져오기 및 선택 시작.
다음 구성 페이지 레시피 가져오기 워크플로가 나타납니다. 배합식의 이름과 설명을 입력한 다음 선택합니다. 다음 오른쪽 상단 모서리입니다.
다음에 접속하면 소스 선택 페이지에서 R 소스 파일을 사용하여 빌드된 패키지된 레시피에 해당하는 도커 URL을 소스 URL 필드. 그런 다음 제공된 구성 파일을 드래그 앤 드롭하여 가져오거나 파일 시스템을 사용합니다 브라우저. 제공된 구성 파일은에서 찾을 수 있습니다. experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json. 선택 R 다음에서 런타임 드롭다운 및 분류 다음에서 유형 드롭다운입니다. 모든 항목이 작성되면 다음을 선택합니다. 다음 오른쪽 상단 모서리에서 스키마 관리.
그런 다음 섹션 아래에서 소매 판매 입력 및 출력 스키마를 선택합니다 스키마 관리 에서 제공된 부트스트랩 스크립트를 사용하여 작성되었습니다. 소매 판매 스키마 및 데이터 세트 만들기 튜토리얼.
아래 기능 관리 섹션에서 스키마 뷰어의 테넌트 ID를 선택하여 소매 판매 입력 스키마를 확장합니다. 원하는 피쳐를 강조표시하고 다음 중 하나를 선택하여 입력 및 출력 피쳐를 선택합니다 입력 기능 또는 Target 기능 오른쪽에서 필드 속성 창. 이 자습서의 목적을 위해 다음을 설정하십시오. weeklySales (으)로 Target 기능 및 기타 모든 항목 입력 기능. 선택 다음 를 클릭하여 새로 구성된 레시피를 검토합니다.
레시피를 검토하고 필요에 따라 구성을 추가, 수정 또는 제거합니다. 선택 완료 레시피를 만들 수 있습니다.
다음으로 진행 다음 단계 에서 모델을 만드는 방법을 알아보려면 Data Science Workspace 새로 생성된 소매 판매 레시피 사용.
도커 기반 레시피 가져오기 - PySpark pyspark
탐색 및 선택하여 시작 워크플로 의 왼쪽 상단에 있음 Platform UI. 그런 다음 을 선택합니다. 레시피 가져오기 및 선택 시작.
다음 구성 페이지 레시피 가져오기 워크플로가 나타납니다. 배합식의 이름과 설명을 입력한 다음 선택합니다. 다음 오른쪽 상단 모서리에서 을 참조하십시오.
다음에 접속하면 소스 선택 페이지에서 PySpark 소스 파일을 사용하여 빌드된 패키지된 레시피에 해당하는 도커 URL을 소스 URL 필드. 그런 다음 제공된 구성 파일을 드래그 앤 드롭하여 가져오거나 파일 시스템을 사용합니다 브라우저. 제공된 구성 파일은에서 찾을 수 있습니다. experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json. 선택 PySparc 다음에서 런타임 드롭다운입니다. PySpark 런타임을 선택하면 기본 아티팩트가 자동으로 채워집니다 도커. 그런 다음 을 선택합니다. 분류 다음에서 유형 드롭다운입니다. 모든 항목이 작성되면 다음을 선택합니다. 다음 오른쪽 상단 모서리에서 스키마 관리.
그런 다음 다음을 사용하여 소매 판매 입력 및 출력 스키마를 선택합니다 스키마 관리 선택기에서 제공된 부트스트랩 스크립트를 사용하여 스키마를 만들었습니다. 소매 판매 스키마 및 데이터 세트 만들기 튜토리얼.
아래 기능 관리 섹션에서 스키마 뷰어의 테넌트 ID를 선택하여 소매 판매 입력 스키마를 확장합니다. 원하는 피쳐를 강조표시하고 다음 중 하나를 선택하여 입력 및 출력 피쳐를 선택합니다 입력 기능 또는 Target 기능 오른쪽에서 필드 속성 창. 이 자습서의 목적을 위해 다음을 설정하십시오. weeklySales (으)로 Target 기능 및 기타 모든 항목 입력 기능. 선택 다음 을 클릭하여 새로 구성된 레시피를 검토합니다.
레시피를 검토하고 필요에 따라 구성을 추가, 수정 또는 제거합니다. 선택 완료 레시피를 만들 수 있습니다.
다음으로 진행 다음 단계 에서 모델을 만드는 방법을 알아보려면 Data Science Workspace 새로 생성된 소매 판매 레시피 사용.
도커 기반 레시피 가져오기 - Scala scala
탐색 및 선택하여 시작 워크플로 의 왼쪽 상단에 있음 Platform UI. 그런 다음 을 선택합니다. 레시피 가져오기 및 선택 시작.
다음 구성 페이지 레시피 가져오기 워크플로가 나타납니다. 배합식의 이름과 설명을 입력한 다음 선택합니다. 다음 오른쪽 상단 모서리에서 을 참조하십시오.
다음에 접속하면 소스 선택 페이지에서 소스 URL 필드에 Scala 소스 파일을 사용하여 빌드된 패키지된 레시피에 해당하는 도커 URL을 붙여 넣습니다. 그런 다음 제공된 구성 파일을 드래그 앤 드롭하여 가져오거나 파일 시스템 브라우저를 사용합니다. 제공된 구성 파일은에서 찾을 수 있습니다. experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json. 선택 스파크 다음에서 런타임 드롭다운입니다. 한 번 Spark 런타임이 선택됩니다. 기본 아티팩트는 도커. 그런 다음 을 선택합니다. 회귀 다음에서 유형 드롭다운입니다. 모든 항목이 작성되면 다음을 선택합니다. 다음 오른쪽 상단 모서리에서 스키마 관리.
그런 다음 다음을 사용하여 소매 판매 입력 및 출력 스키마를 선택합니다 스키마 관리 선택기에서 제공된 부트스트랩 스크립트를 사용하여 스키마를 만들었습니다. 소매 판매 스키마 및 데이터 세트 만들기 튜토리얼.
아래 기능 관리 섹션에서 스키마 뷰어의 테넌트 ID를 선택하여 소매 판매 입력 스키마를 확장합니다. 원하는 피쳐를 강조표시하고 다음 중 하나를 선택하여 입력 및 출력 피쳐를 선택합니다 입력 기능 또는 Target 기능 오른쪽에서 필드 속성 창. 이 자습서의 목적을 위해 "weeklySales을(를) (으)로 Target 기능 및 기타 모든 항목 입력 기능. 선택 다음 을 클릭하여 새로 구성된 레시피를 검토합니다.
레시피를 검토하고 필요에 따라 구성을 추가, 수정 또는 제거합니다. 선택 완료 레시피를 만들 수 있습니다.
다음으로 진행 다음 단계 에서 모델을 만드는 방법을 알아보려면 Data Science Workspace 새로 생성된 소매 판매 레시피 사용.
다음 단계 next-steps
이 자습서에서는 레시피를 구성하고 로 가져오는 방법에 대한 통찰력을 제공했습니다 Data Science Workspace. 이제 새로 만든 레시피를 사용하여 모델을 만들고, 교육하고, 평가할 수 있습니다.