Používajte modely založené na strojovom učení platformy Azure

Zjednotené údaje v službe Dynamics 365 Customer Insights sú zdrojom pre vytváranie modelov strojového učenia, ktoré môžu generovať ďalšie obchodné prehľady. Customer Insights sa integruje do služby strojového učenia Studio (klasickej) a do služby strojového učenia platformy Azure, aby ste mohli používať svoje vlastné modely. V sekcii Pokusy so službou strojového učenia Studio (klasickou) nájdete príklady pokusov postavených na službe strojového učenia Studio (klasickej).

Predpoklady

Nastavte pracovný priestor strojového učenia platformy Azure

  1. V sekcii Vytvorenie pracovného priestoru služby strojového učenia platformy Azure nájdete rôzne možnosti na vytvorenie pracovného priestoru. S cieľom dosiahnuť čo najlepší výkon vytvorte pracovný priestor v oblasti platformy Azure, ktorá je geograficky najbližšie k vášmu prostrediu služby Customer Insights.

  2. Získajte prístup do vášho pracovného priestoru prostredníctvom služby strojového učenia platformy Azure Studio. Existuje niekoľko spôsobov interakcie s vaším pracovným priestorom.

Spolupracujte s návrhárom služby strojového učenia platformy Azure

Návrhár služby strojového učenia platformy Azure poskytne vizuálne plátno, do ktorého môžete presúvať množiny údajov a moduly, podobne ako pri službe strojového učenia Studio (klasickú). Hromadný kanál vytvorený návrhárom možno integrovať do služby Customer Insights, ak je zodpovedajúcim spôsobom nakonfigurovaný.

Práca so súpravou SDK služby strojového učenia platformy Azure

Dátoví vedci a vývojári umelej inteligencie používajú súpravu SDK strojového učenia platformy Azure na vytváranie pracovných postupov strojového učenia. V súčasnosti nemožno modely trénované pomocou súpravy SDK integrovať priamo do služby Customer Insights. Na integráciu do služby Customer Insights je potrebný kanál hromadnej predikcie, ktorý tento model využíva.

Požiadavky na integráciu hromadného kanála so službou Customer Insights

Konfigurácia množín údajov

Musíte vytvoriť množiny údajov, aby ste mohli používať údaje entít zo služby Customer Insights vo vašom kanáli pre hromadnú predikciu. Tieto množiny údajov je potrebné zaregistrovať v pracovnom priestore. Momentálne podporujeme iba tabuľkové množiny údajov vo formáte .csv. Množiny údajov, ktoré zodpovedajú údajom entity, je potrebné parametrizovať ako parameter kanála.

  • Parametre množiny údajov v Návrhárovi

    V návrhárovi otvorte sekciu Vybrať stĺpce v množine údajov a vyberte položku Nastaviť ako parameter kanála, kde zadáte názov parametra.

    Parametrizácia množiny údajov v návrhárovi

  • Parameter množiny údajov v súprave SDK (Python)

    HotelStayActivity_dataset = Dataset.get_by_name(ws, name='Hotel Stay Activity Data')
    HotelStayActivity_pipeline_param = PipelineParameter(name="HotelStayActivity_pipeline_param", default_value=HotelStayActivity_dataset)
    HotelStayActivity_ds_consumption = DatasetConsumptionConfig("HotelStayActivity_dataset", HotelStayActivity_pipeline_param)
    

Kanál hromadnej predikcie

  • V návrhárovi sa dá tréningový kanál použiť na vytvorenie alebo aktualizáciu kanálu predikcie. V súčasnosti sú podporované iba kanály hromadnej predikcie.

  • Pomocou súpravy SDK môžete kanál publikovať do koncového bodu. V súčasnosti sa služba Customer Insights integruje s predvoleným kanálom do koncového bodu hromadného kanála v pracovnom priestore na strojové učenie.

    published_pipeline = pipeline.publish(name="ChurnInferencePipeline", description="Published Churn Inference pipeline")
    pipeline_endpoint = PipelineEndpoint.get(workspace=ws, name="ChurnPipelineEndpoint") 
    pipeline_endpoint.add_default(pipeline=published_pipeline)
    

Importujte údaje o kanáli do služby Customer Insights

  • Návrhár poskytuje Modul Export údajov, ktorý umožňuje export výstupu kanála do ukladacieho priestoru Azure. V súčasnosti musí modul používať typ údajového súboru Úložisko Azure Blob a parametrizovať Údajový súbor a relatívny Postup. Customer Insights prepíše oba tieto parametre počas vykonávania kanála na dátový súbor a postup, ktoré sú pre produkt prístupné.

    Konfigurácia modulu Export údajov

  • Pri zápise predikcie pomocou kódu môžete nahrať výstup do postupu v rámci registrovaného údajového súboru v pracovnom priestore. Ak je postup a údajový súbor parametrizovaný v rámci kanála, Customer Insights bude môcť načítať a importovať výstup predikcie. V súčasnosti je podporovaný jeden tabuľkový výstup vo formáte .csv. Postup musí obsahovať adresár a názov súboru.

    # In Pipeline setup script
        OutputPathParameter = PipelineParameter(name="output_path", default_value="HotelChurnOutput/HotelChurnOutput.csv")
        OutputDatastoreParameter = PipelineParameter(name="output_datastore", default_value="workspaceblobstore")
    ...
    # In pipeline execution script
        run = Run.get_context()
        ws = run.experiment.workspace
        datastore = Datastore.get(ws, output_datastore) # output_datastore is parameterized
        directory_name =  os.path.dirname(output_path)  # output_path is parameterized.
    
        # Datastore.upload() or Dataset.File.upload_directory() are supported methods to uplaod the data
        # datastore.upload(src_dir=<<working directory>>, target_path=directory_name, overwrite=False, show_progress=True)
        output_dataset = Dataset.File.upload_directory(src_dir=<<working directory>>, target = (datastore, directory_name)) # Remove trailing "/" from directory_name
    

Poznámka

Môžete nás informovať o svojich voľbách jazyka pre dokumentáciu? Absolvujte krátky prieskum. (upozorňujeme, že tento prieskum je v angličtine)

Prieskum bude trvať približne sedem minút. Nezhromažďujú sa žiadne osobné údaje (vyhlásenie o používaní osobných údajov).