Partager via

Utiliser des modèles personnalisés d’Azure Machine Learning

  • Article

Les workflows de Dynamics 365 Customer Insights - Data vous aident à choisir les données à partir desquelles vous souhaitez générer des informations, et à mapper les résultats à vos données client unifiées. Vos flux de travail peuvent inclure des modèles personnalisés améliorés par l’intelligence artificielle (IA) que vous créez dans Azure Machine Learning.

Conditions préalables

Note

Le support pour Machine Learning Studio (classique) prendra fin le 31 août 2024. Nous vous recommandons de passer à la transition vers Azure Machine Learning d’ici cette date. Vous ne pouvez plus créer des ressources Machine Learning Studio (classique) mais vous pouvez continuer d’utiliser vos ressources existantes d’ici le 31 août 2024.

Les modèles personnalisés dans Customer Insights - Data ne prennent pas en charge les sources de données mises à jour avec l’actualisation incrémentielle.

Les données sont transférées entre votre environnement Customer Insights - Data et les pipelines ou les services web Azure sélectionnés dans le workflow. Lorsque vous transférez des données vers un service Azure, assurez-vous que le service est configuré pour traiter les données comme il se doit et à partir de l’emplacement requis afin de respecter les exigences légales ou réglementaires.

Configurer une connexion Azure Machine Learning

  1. Dans Customer Insights - Data, allez dans Paramètres>Connexions.

  2. Faites défiler jusqu’à Connexions diverses.

  3. Cliquez sur Configurer sur la vignette Azure Machine Learning.

  4. Saisissez les informations de connexion :

    • Nom d’affichage : entrez un nom unique et reconnaissable qui décrit la connexion. il doit commencer par une lettre et contenir uniquement des chiffres, des lettres ou des traits de soulignement.
    • Locataire : entrez le locataire lié à votre espace de travail Azure Machine Learning. Connectez-vous si vous y êtes invité.
    • Espace de travail : Entrez l’espace de travail Azure Machine Learning.

    Capture d’écran de la page de connexion Azure Machine Learning.

  5. Passez en revue les informations sur la Confidentialité et la conformité des données et sélectionnez J’accepte.

  6. Sélectionnez Enregistrer.

Ajouter un nouveau workflow

  1. Accédez à Informations>Prédictions.

  2. Dans l’onglet Créer , sélectionnez Utiliser ce modèle sur la vignette Modèle personnalisé (Azure Machine Learning v2).

  3. Sélectionnez les informations sur la connexion :

    • Connexion : Sélectionner une connexion à votre Azure Machine Learning workspace ou sélectionnez Ajouter une connexionpour en configurer une nouvelle.
    • Pipeline : Sélectionner un pipeline lié à votre espace de travail Azure Machine Learning.
    • Chemin de sortie : Sélectionner le chemin de sortie lié à votre pipeline.
    • magasin de données de sortie : Sélectionner le magasin de données lié à votre pipeline.

  4. Cliquez sur Démarrer.

  5. Dans l’étape Nom du modèle, saisissez ou Sélectionner les informations suivantes :

    • Nom : Un nom reconnaissable pour le modèle.
    • Nom de la table de sortie : un nom de table de sortie pour les résultats de sortie du pipeline.
    • Clé primaire : l’attribut que vous souhaitez utiliser comme clé primaire pour votre table de sortie.
    • ID client : l’attribut correspondant qui correspond à l’ID client unifié.

    Capture d’écran de la page Nom du modèle personnalisé Azure Machine Learning.

  6. Sélectionnez Suivant.

  7. À l’étape Données requises, sélectionnez Ajouter des données.

  8. Ajoutez les données à utiliser pour votre modèle personnalisé. Mappez tous les attributs dans les données et sélectionnez Enregistrer.

    Vous pouvez enregistrer et revenir à cette étape, mais vous ne pouvez pas exécuter le modèle tant que vous mappez tous les attributs. Vous ne pouvez pas ajouter d’attributs facultatifs. Pour modifier les attributs, modifiez-les dans votre espace de travail Azure Machine Learning.

  9. Sélectionnez Suivant.

  10. À l’étape Examiner et exécuter, examinez les détails du modèle et apportez des modifications si nécessaire.

  11. Sélectionnez Enregistrer et exécuter.

Gérer un workflow

  1. Accédez à Informations>Prédictions et sélectionnez l’onglet Mes prédictions.

  2. Sélectionnez les points de suspension verticaux (⋮) à côté d’un modèle pour afficher les mesures prises.

    • Modifiez un workflow pour modifier la configuration du modèle ou la connexion.
    • Actualisez un workflow à la demande. Le workflow s’exécute également automatiquement à chaque actualisation planifiée.
    • Supprimer un workflow. La table utilisée pour créer le workflow n’est pas supprimée.

Afficher les résultats

Les résultats d’un workflow sont stockés dans le nom de la table de sortie que vous avez défini. Affichez-les depuis la page Données>Tables ou avec accès à l’API.

Accès API

Pour récupère les données d’une table de modèle personnalisé, utilisez la requête OData suivante :

https://api.ci.ai.dynamics.com/v1/instances/<your instance id>/data/<custom model output table name>%3Ffilter%3DCustomerId%20eq%20'<guid value>'

  1. Remplacez <your instance id> par l’ID de votre environnement Customer Insights, comme indiqué dans la barre d’adresse de votre navigateur.

  2. Remplacez <custom model output table> par le nom de table que vous avez fourni à l’étape Nom du modèle .

  3. Remplacez <guid value> par l’ID client du client que vous souhaitez voir, comme indiqué dans le CustomerID champ des profils clients page.

Étapes suivantes