Data Science Workspace 강의
이 문서에서는 Adobe Experience Platform 데이터 과학 작업 영역 교육 과정의 예상 학습 결과에 대해 설명합니다. 과정을 보려면 Adobe ID을 사용하여 Experience League에 로그인해야 합니다.
다음 데이터 과학자를 위한 Data Science Workspace 시작하기 과정 는 JupyterLab Notebooks를 사용하여 통찰력을 얻고 데이터를 쿼리하고, 프로필이 활성화된 데이터 세트를 만들고, 자동화된 머신 러닝 모델을 게시하고, Adobe 및 비 Adobe 애플리케이션 모두에 머신 러닝을 통한 통찰력을 활성화하는 방법에 대해 알아보고자 하는 데이터 과학자를 위해 설계되었습니다.
강의 전제 조건
- 등록된 Adobe ID 계정.
- Adobe ID 계정이 Adobe Experience Platform 및 Data Science Workspace.
- 비프로덕션 샌드박스.
예상 학습 결과
다음 학습 결과는 데이터 과학 작업 영역 과정에서 다룹니다. 또한 과정에 대해 제공되는 성향 모델을 만들고 게시하는 동안 따라갈 수 있는 옵션이 있습니다.
- 데이터 과학 작업 영역의 아키텍처
- JupyterLab 사용 방법
- 데이터 과학 작업 영역에서 데이터에 액세스하고 데이터를 쿼리하는 방법
- 탐색적 데이터 분석
- 레시피 및 모델을 만드는 방법
- 모델을 교육하고 평가하는 데 사용되는 방법
- 모델 개발에서 하이퍼-파라미터의 역할
- 교육된 모델을 서비스로 게시하는 방법
- 데이터 과학 작업 영역을 사용하여 실시간 고객 프로필 데이터를 보강하는 방법
- 모델 출력을 사용하여 스트리밍 세그먼트를 만드는 방법
단원
데이터 과학 작업 영역 과정은 5개의 단원으로 나뉘어 있습니다.
수업 1
소개(19분): 과정에 대해 알아보고 필요한 과정 에셋을 포함한 Data Science Workspace에 대한 높은 수준의 개요를 살펴보십시오.
수업 2
JupyterLab에서 데이터 로드, 쿼리 및 탐색(24분): JupyterLab on Experience Platform이 데이터 수집, 데이터 정리, 데이터 시각화 및 통찰력 발견과 같은 데이터 과학자의 주요 워크플로우를 간소화하고 용이하게 하는 방법을 알아봅니다.
수업 3
JupyterLab에서 모델을 만듭니다(26분). 데이터 과학 작업 영역에서 모델 구축을 시작하는 방법에 대해 알아봅니다.
수업 4
Data Science Workspace 를 사용하여 모델을 교육하고 평가합니다 (6분). 모델을 만들고 Experience Platform에서 서비스로 게시하는 방법에 대해 알아봅니다.
수업 5
데이터 과학 통찰력 소비 및 전달(11분): Data Science Workspace 모델 출력을 실시간 고객 프로필에서 사용하여 Adobe 애플리케이션 및 서비스와 함께 개인화된 경험을 전달하는 방법에 대해 알아봅니다.
다음 단계
데이터 과학 작업 영역 과정을 완료한 후 다음을 방문합니다. Sensei 머신 러닝 API 안내서 restFul API를 활용하여 방금 학습한 모든 작업을 수행하는 방법에 대해 알아봅니다.