Show Menu
화제×

패키지된 레서피 가져오기(UI)

이 자습서에서는 제공된 소매 판매 예제를 사용하여 패키지된 레서피를 구성하고 가져오는 방법에 대한 통찰력을 제공합니다. 이 튜토리얼이 끝나면 Adobe Experience Platform에서 모델을 만들고, 교육하고, 평가할 준비가 됩니다 Data Science Workspace.

전제 조건

이 자습서에서는 Docker 이미지 URL 형식의 패키지된 레시피가 필요합니다. 자세한 내용은 소스 파일을 레서피에 패키지하는 방법에 대한 자습서를 참조하십시오.

UI 워크플로우

패키지된 레서피를 가져오려면 단일 JSON(JavaScript Object Notation) 파일로 컴파일된 특정 레서피 구성이 Data Science Workspace 필요합니다. 이 레서피 구성 컴파일을 구성 파일이라고 합니다 . 특정 구성 세트가 있는 패키지된 레시피는 레서피 인스턴스라고 합니다 . 한 레시피는 여러 레서피 인스턴스를 만드는 데 사용될 수 있다 Data Science Workspace.
패키지 레서피 가져오기 워크플로우는 다음 단계로 구성됩니다.

레서피 구성

모든 레서피 인스턴스 Data Science Workspace 는 특정 사용 사례에 맞게 레서피 인스턴스를 맞춤화하는 구성 세트와 함께 제공됩니다. 구성 파일은 이 레서피 인스턴스를 사용하여 생성된 모델의 기본 교육 및 점수 동작을 정의합니다.
구성 파일은 레시피 및 대/소문자를 구분합니다.
다음은 소매 영업 레서피에 대한 기본 트레이닝 및 점수 지정 행동을 보여주는 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}"
            }
        ]
    }
]

매개 변수 키
유형
설명
learning_rate
숫자
그래디언트 곱셈을 위한 스칼라
n_estimators
숫자
임의 포리스트 분류자의 포리스트 내 트리 수입니다.
max_depth
숫자
임의 포리스트 분류기의 트리 최대 깊이입니다.
ACP_DSW_INPUT_FEATURES
문자열
쉼표로 구분된 입력 스키마 속성 목록입니다.
ACP_DSW_TARGET_FEATURES
문자열
쉼표로 구분된 출력 스키마 특성 목록입니다.
ACP_DSW_FEATURE_UPDATE_SUPPORT
부울
입력 및 출력 기능을 수정할 수 있는지 여부 결정
tenantId
문자열
이 ID를 사용하면 만든 리소스가 적절하게 대체되고 IMS 조직 내에 포함됩니다. 테넌트 ID를 찾으려면 여기 단계를 따르십시오.
ACP_DSW_TRAINING_XDM_SCHEMA
문자열
모델 교육에 사용되는 입력 스키마입니다. UI에서 가져올 때는 이 값을 비워 두고, API를 사용하여 가져올 때 교육 스키마 ID로 바꿉니다.
evaluation.labelColumn
문자열
평가 시각화에 대한 열 레이블입니다.
evaluation.metrics
문자열
모델을 평가하는 데 사용할 평가 지표의 쉼표로 구분된 목록입니다.
ACP_DSW_SCORING_RESULTS_XDM_SCHEMA
문자열
모델 채점하는 데 사용되는 출력 스키마입니다. UI에서 가져올 때는 이 값을 비워 두고, API를 사용하여 가져올 때 점수 지정 스키마 ID로 바꿉니다.
이 자습서의 목적을 위해, 소매 판매 레서피에 대한 기본 구성 파일을 참조(Reference)에 있는 Data Science Workspace 방식으로 둘 수 있습니다.

Docker 기반 레서피 가져오기 - Python

먼저 UI의 왼쪽 상단에 있는 워크플로우 를 찾아 선택합니다 Platform . 그런 다음 레서피 가져오기를 선택하고 론치를 클릭합니다 .
레서피 가져오기 워크플로우에 대한 구성 페이지가나타납니다. 레서피에 대한 이름과 설명을 입력한 다음 오른쪽 위 모서리에서 다음을 선택합니다.
Recipe 자습서로 패키지 소스 파일의 경우 Python 소스 파일을 사용하여 소매 판매 레서피 작성 종료 시 Docker URL이 제공되었습니다.
소스 선택 페이지에 있으면 소스 URL Python 필드에 소스 파일을 사용하여 작성한 패키지된 레서피에 해당하는 Docker URL을 붙여넣습니다 . 그런 다음 드래그 앤 드롭하여 제공된 구성 파일을 가져오거나 파일 시스템 브라우저를 사용합니다 . 제공된 구성 파일은 에서 찾을 수 있습니다 experience-platform-dsw-reference/recipes/python/retail/retail.config.json . Runtime 드롭다운에서 Python 을​ 선택하고 ​TypeBlackdown 에서 Classification을 선택합니다. 모든 것이 채워지면 오른쪽 위​ 의** # 을 클릭하여 스키마 관리로 이동합니다 .
유형은 분류 및 회귀 지원합니다 . 모델이 이러한 유형 중 하나에 해당되지 않는 경우 사용자 지정 을 선택합니다 .
다음으로, # 섹션*​아래의 소매 판매 입출력 스키마를 선택하여 소매 판매 스키마 및 데이터 세트 자습서 를 만드는 데 제공된 부트스트랩 스크립트를 사용하여 만들었습니다.
기능 관리 섹션 아래에서 스키마 뷰어에서 테넌트 ID를 클릭하여 소매 판매 입력 스키마를 확장합니다. 원하는 기능을 강조 표시하고 오른쪽 필드 속성 창에서 입력 기능 또는 Target 기능 을 선택하여 입력 및 출력 기능을 선택합니다. 이 자습서의 목적을 위해 weeklySales를 Target 기능으로 설정하고 그 외의 모든 것을 입력 기능으로 설정하십시오 . 다음 클릭하여 새로 구성된 레시피를 검토합니다.
필요에 따라 레시피를 검토하고 구성을 추가, 수정 또는 제거합니다. 마침 클릭하여 레시피를 생성합니다.
새로 만든 소매 판매 레서피를 사용하여 모델을 생성하는 방법 을 살펴보려면 다음 단계를 Data Science Workspace 수행합니다.

Docker 기반 레서피 가져오기 - R

먼저 UI의 왼쪽 상단에 있는 워크플로우 를 찾아 선택합니다 Platform . 그런 다음 레서피 가져오기를 선택하고 론치를 클릭합니다 .
레서피 가져오기 워크플로우에 대한 구성 페이지가나타납니다. 레서피에 대한 이름과 설명을 입력한 다음 오른쪽 위 모서리에서 다음을 선택합니다.
Recipe 자습서에 소스 파일을 패키지하면 R 소스 파일을 사용하여 소매 판매 레서피 작성 끝에 Docker URL이 제공됩니다.
소스 선택 페이지에 있으면 소스 URL 필드에 R 소스 파일을 사용하여 작성한 패키지된 레시피에 해당하는 Docker URL을 붙여 넣습니다. 그런 다음 드래그 앤 드롭하여 제공된 구성 파일을 가져오거나 파일 시스템 브라우저를 사용합니다 . 제공된 구성 파일은 에서 찾을 수 있습니다 experience-platform-dsw-reference/recipes/R/Retail\ -\ GradientBoosting/retail.config.json . 런타임 드롭다운에서 R 선택하고 Type드롭다운 에서 분류 를선택합니다. 모든 것이 채워지면 오른쪽 위 # 을 클릭하여 스키마 관리로 이동합니다 .
유형은 분류 및 회귀 지원합니다 . 모델이 이러한 유형 중 하나에 해당되지 않는 경우 사용자 지정 을 선택합니다 .
다음으로, # 섹션*​아래의 소매 판매 입출력 스키마를 선택하여 소매 판매 스키마 및 데이터 세트 자습서 를 만드는 데 제공된 부트스트랩 스크립트를 사용하여 만들었습니다.
기능 관리 섹션 아래에서 스키마 뷰어에서 테넌트 ID를 클릭하여 소매 판매 입력 스키마를 확장합니다. 원하는 기능을 강조 표시하고 오른쪽 필드 속성 창에서 입력 기능 또는 Target 기능 을 선택하여 입력 및 출력 기능을 선택합니다. 이 자습서의 목적을 위해 weeklySales를 Target 기능으로 설정하고 그 외의 모든 것을 입력 기능으로 설정하십시오 . 새로 구성된 레서피를 검토하려면 다음을 클릭합니다.
필요에 따라 레시피를 검토하고 구성을 추가, 수정 또는 제거합니다. 마침 클릭하여 레시피를 생성합니다.
새로 만든 소매 판매 레서피를 사용하여 모델을 생성하는 방법 을 살펴보려면 다음 단계를 Data Science Workspace 수행합니다.

Docker 기반의 레서피 가져오기 - PySpark

먼저 UI의 왼쪽 상단에 있는 워크플로우 를 찾아 선택합니다 Platform . 그런 다음 레서피 가져오기를 선택하고 론치를 클릭합니다 .
레서피 가져오기 워크플로우에 대한 구성 페이지가나타납니다. 레서피에 대한 이름과 설명을 입력한 다음 오른쪽 상단 모서리에서 다음을 선택하여 진행합니다.
Package 소스 파일을 Recipe 소스 파일을 레서피로 패키지 튜토리얼로 가져올 때 PySpark 소스 파일을 사용하여 소매 판매 레서피 작성 종료 시 Docker URL이 제공되었습니다.
소스 선택 페이지에 있으면 소스 URL 필드에 PySpark 소스 파일을 사용하여 작성한 패키지된 레시피에 해당하는 Docker URL을 붙여 넣습니다. 그런 다음 드래그 앤 드롭하여 제공된 구성 파일을 가져오거나 파일 시스템 브라우저를 사용합니다 . 제공된 구성 파일은 에서 찾을 수 있습니다 experience-platform-dsw-reference/recipes/pyspark/retail/pipeline.json . Runtime 드롭다운에서 PySpark 선택합니다. PySpark 런타임을 선택하면 기본 아티팩트는 Docker에 자동으로​ 채워집니다 . 그런 다음​ 유형 ​드롭다운에서 분류를 선택합니다. 모든 것이 채워지면 오른쪽 위​ 의** # 을 클릭하여 스키마 관리로 이동합니다 .
유형은 분류 및 회귀 지원합니다 . 모델이 이러한 유형 중 하나에 해당되지 않는 경우 사용자 지정 을 선택합니다 .
다음으로, # 섹션*​아래의 소매 판매 입출력 스키마를 선택하여 소매 판매 스키마 및 데이터 세트 자습서 를 만드는 데 제공된 부트스트랩 스크립트를 사용하여 만들었습니다.
기능 관리 섹션 아래에서 스키마 뷰어에서 테넌트 ID를 클릭하여 소매 판매 입력 스키마를 확장합니다. 원하는 기능을 강조 표시하고 오른쪽 필드 속성 창에서 입력 기능 또는 Target 기능 을 선택하여 입력 및 출력 기능을 선택합니다. 이 자습서의 목적을 위해 weeklySales를 Target 기능으로 설정하고 그 외의 모든 것을 입력 기능으로 설정하십시오 . 다음 클릭하여 새로 구성된 레시피를 검토합니다.
필요에 따라 레시피를 검토하고 구성을 추가, 수정 또는 제거합니다. 마침 클릭하여 레시피를 생성합니다.
새로 만든 소매 판매 레서피를 사용하여 모델을 생성하는 방법 을 살펴보려면 다음 단계를 Data Science Workspace 수행합니다.

Docker 기반 레서피 가져오기 - Scala

먼저 UI의 왼쪽 상단에 있는 워크플로우 를 찾아 선택합니다 Platform . 그런 다음 레서피 가져오기를 선택하고 론치를 클릭합니다 .
레서피 가져오기 워크플로우에 대한 구성 페이지가나타납니다. 레서피에 대한 이름과 설명을 입력한 다음 오른쪽 상단 모서리에서 다음을 선택하여 진행합니다.
소스 파일을 레서피 자습서로 패키징하는 경우 Scala(소스 파일)를 사용하여 소매 영업 레서피를 빌드하는 끝 시점에 Docker URL이Spark제공되었습니다.
소스 선택 페이지에 있으면 소스 URL 필드에 Scala 소스 파일을 사용하여 작성한 패키지된 레시피에 해당하는 Docker URL을 붙여 넣습니다. 그런 다음 드래그 앤 드롭하여 제공된 구성 파일을 가져오거나 파일 시스템 브라우저를 사용합니다 . 제공된 구성 파일은 에서 찾을 수 있습니다 experience-platform-dsw-reference/recipes/scala/retail/pipelineservice.json . 런타임 드롭다운에서 Spark 선택합니다. 런타임을 Spark 선택하면 기본 아티팩트는 Docker에 자동으로 채워집니다 . 그런 다음 유형 드롭다운에서 회귀 선택합니다. 모든 것이 채워지면 오른쪽 위 # 을 클릭하여 스키마 관리로 이동합니다 .
유형은 분류 및 회귀 지원합니다 . 모델이 이러한 유형 중 하나에 해당되지 않는 경우 사용자 지정 을 선택합니다 .
다음으로, # 섹션*​아래의 소매 판매 입출력 스키마를 선택하여 소매 판매 스키마 및 데이터 세트 자습서 를 만드는 데 제공된 부트스트랩 스크립트를 사용하여 만들었습니다.
기능 관리 섹션 아래에서 스키마 뷰어에서 테넌트 ID를 클릭하여 소매 판매 입력 스키마를 확장합니다. 원하는 기능을 강조 표시하고 오른쪽 필드 속성 창에서 입력 기능 또는 Target 기능 을 선택하여 입력 및 출력 기능을 선택합니다. 이 자습서의 목적을 위해 weeklySales를 Target 기능으로 설정하고 그 외의 모든 것을 입력 기능으로 설정하십시오 . 다음 클릭하여 새로 구성된 레시피를 검토합니다.
필요에 따라 레시피를 검토하고 구성을 추가, 수정 또는 제거합니다. 마침 클릭하여 레시피를 생성합니다.
새로 만든 소매 판매 레서피를 사용하여 모델을 생성하는 방법 을 살펴보려면 다음 단계를 Data Science Workspace 수행합니다.

다음 단계

이 자습서에서는 레서피 구성 및 가져오기에 대한 통찰력을 제공합니다 Data Science Workspace. 이제 새로 만든 레시피를 사용하여 모델을 생성, 교육 및 평가할 수 있습니다.