تخصيص أمازون يسرنا أن نعلن عن التدريب التلقائي للحلول. يعد التدريب على الحلول أمرًا أساسيًا للحفاظ على فعالية النموذج والتأكد من توافق التوصيات مع سلوكيات المستخدمين وتفضيلاتهم المتطورة. مع تغير أنماط البيانات واتجاهاتها بمرور الوقت، فإن إعادة تدريب الحل باستخدام أحدث البيانات ذات الصلة يمكّن النموذج من التعلم والتكيف، مما يعزز دقته التنبؤية. يُنشئ التدريب التلقائي إصدارًا جديدًا من الحلول، مما يخفف من انحراف النموذج ويحافظ على التوصيات ذات الصلة والمصممة خصيصًا للسلوكيات الحالية للمستخدمين النهائيين مع تضمين أحدث العناصر. وفي نهاية المطاف، يوفر التدريب التلقائي تجربة أكثر تخصيصًا وجاذبية تتكيف مع التفضيلات المتغيرة.

تعمل Amazon Personalize على تسريع عملية التحول الرقمي باستخدام التعلم الآلي (ML)، مما يجعل من السهل دمج التوصيات المخصصة في مواقع الويب والتطبيقات وأنظمة التسويق عبر البريد الإلكتروني الحالية والمزيد. يمكّن Amazon Personalize المطورين من تنفيذ محرك تخصيص مخصص بسرعة، دون الحاجة إلى خبرة في تعلم الآلة. توفر Amazon Personalize البنية التحتية اللازمة وتدير مسار تعلم الآلة بالكامل، بما في ذلك معالجة البيانات وتحديد الميزات واستخدام الخوارزميات المناسبة والتدريب على النماذج المخصصة وتحسينها واستضافتها بناءً على بياناتك. يتم تشفير كافة البيانات الخاصة بك لتكون خاصة وآمنة.

في هذا المنشور، نرشدك خلال عملية تكوين التدريب التلقائي، بحيث تحافظ حلولك وتوصياتك على دقتها وأهميتها.

حل نظرة عامة

A حل يشير إلى مجموعة من وصفة Amazon Personalize والمعلمات المخصصة وإصدار واحد أو أكثر من الحلول (النماذج المدربة). عندما تقوم بإنشاء حل مخصص، فإنك تحدد وصفة تتوافق مع حالة الاستخدام الخاصة بك وتقوم بتكوين معلمات التدريب. بالنسبة لهذا المنشور، قمت بتكوين التدريب التلقائي في معلمات التدريب.

المتطلبات الأساسية المسبقة

لتمكين التدريب التلقائي على الحلول الخاصة بك، تحتاج أولاً إلى إعداد موارد Amazon Personalize. ابدأ ب إنشاء مجموعة بياناتوالمخططات و قواعد البيانات تمثل عناصرك وتفاعلاتك وبيانات المستخدم. للحصول على التعليمات، راجع البدء (وحدة التحكم) or البدء (AWS CLI).

بعد الانتهاء من استيراد بياناتك، تصبح جاهزًا لإنشاء حل.

ابتكر حلاً

لإعداد التدريب التلقائي، أكمل الخطوات التالية:

1. في وحدة تحكم Amazon Personalize، قم بإنشاء حل جديد.
2. حدد اسمًا للحل الخاص بك، واختر نوع الحل الذي تريد إنشاءه، واختر الوصفة الخاصة بك.
3. اختياريًا، أضف أي علامات. لمزيد من المعلومات حول وضع علامات على موارد Amazon Personalize، راجع وضع علامات على موارد تخصيص أمازون.
4. لاستخدام التدريب التلقائي، في تدريب آلي القسم، حدد شغل وتحديد وتيرة التدريب الخاص بك.

يتم تمكين التدريب التلقائي بشكل افتراضي للتدريب مرة واحدة كل 7 أيام. يمكنك تكوين إيقاع التدريب ليناسب احتياجات عملك، بدءًا من مرة واحدة كل 1 إلى 30 يومًا.

1. إذا كانت وصفتك تنشئ توصيات للعناصر أو شرائح للمستخدمين، فاستخدم بشكل اختياري أعمدة للتدريب قسم لاختيار الأعمدة التي يأخذها Amazon Personalize في الاعتبار عند إصدار حلول التدريب.
2. في مجلة تكوين المعلمة الفائقة قسم، قم بتكوين أي خيارات للمعلمات التشعبية بشكل اختياري بناءً على وصفتك واحتياجات العمل.
3. قم بتوفير أي تكوينات إضافية، ثم اختر التالى.
   
4. قم بمراجعة تفاصيل الحل وتأكد من تكوين التدريب التلقائي الخاص بك كما هو متوقع.
5. اختار خلق الحل.
   

سيقوم Amazon Personalize تلقائيًا بإنشاء إصدار الحل الأول الخاص بك. أ نسخة الحل يشير إلى نموذج تعلم الآلة المدرّب. عند إنشاء إصدار حل للحل، تقوم Amazon Personalize بتدريب النموذج الذي يدعم إصدار الحل بناءً على الوصفة وتكوين التدريب. قد يستغرق الأمر ما يصل إلى ساعة واحدة لبدء إنشاء إصدار الحل.

فيما يلي نموذج التعليمات البرمجية لإنشاء حل من خلال التدريب التلقائي باستخدام AWS SDK:

import boto3 
personalize = boto3.client('personalize')

solution_config = {
    "autoTrainingConfig": {
        "schedulingExpression": "rate(3 days)"
    }
}

recipe = "arn:aws:personalize:::recipe/aws-similar-items"
name = "test_automatic_training"
response = personalize.create_solution(name=name, recipeArn=recipe_arn, datasetGroupArn=dataset_group_arn, 
                            performAutoTraining=True, solutionConfig=solution_config)

print(response['solutionArn'])
solution_arn = response['solutionArn'])

بعد إنشاء الحل، يمكنك التأكد من تمكين التدريب التلقائي في صفحة تفاصيل الحل.

يمكنك أيضًا استخدام نموذج التعليمات البرمجية التالي للتأكيد عبر AWS SDK على تمكين التدريب التلقائي:

response = personalize.describe_solution(solutionArn=solution_arn)
print(response)

سوف يحتوي ردك على الحقول performAutoTraining و autoTrainingConfig، يعرض القيم التي قمت بتعيينها في CreateSolution مكالمة.

في صفحة تفاصيل الحل، ستشاهد أيضًا إصدارات الحلول التي تم إنشاؤها تلقائيًا. ال نوع التدريب يحدد العمود ما إذا كان إصدار الحل قد تم إنشاؤه يدويًا أو تلقائيًا.

يمكنك أيضًا استخدام نموذج التعليمات البرمجية التالي لإرجاع قائمة بإصدارات الحل للحل المحدد:

response = personalize.list_solution_versions(solutionArn=solution_arn)['solutionVersions']
print("List Solution Version responsen")
for val in response:
    print(f"SolutionVersion: {val}")
    print("n")

سوف يحتوي ردك على الحقل trainingType، والذي يحدد ما إذا كان إصدار الحل قد تم إنشاؤه يدويًا أم تلقائيًا.

عندما يصبح إصدار الحل الخاص بك جاهزًا، يمكنك ذلك إنشاء حملة لإصدار الحل الخاص بك.

قم بإنشاء حملة

A حملة ينشر إصدار الحل (نموذج مدرب) لإنشاء توصيات في الوقت الفعلي. باستخدام Amazon Personalize، يمكنك تبسيط سير عملك وأتمتة نشر أحدث إصدار من الحلول للحملات عبر المزامنة التلقائية. لإعداد المزامنة التلقائية، أكمل الخطوات التالية:

1. في وحدة تحكم Amazon Personalize، قم بإنشاء حملة جديدة.
2. حدد اسمًا لحملتك.
3. اختر الحل الذي قمت بإنشائه للتو.
4. أختار استخدام أحدث إصدار للحل تلقائيًا.
5. تعيين الحد الأدنى للمعاملات المقدمة في الثانية.
   
6. أنشئ حملتك.

الحملة جاهزة عندما تكون حالتها كذلك ACTIVE.

فيما يلي نموذج التعليمات البرمجية لإنشاء حملة بها syncWithLatestSolutionVersion تعيين إلى true باستخدام AWS SDK. يجب عليك أيضًا إلحاق اللاحقة $LATEST إلى solutionArn in solutionVersionArn عندما تحدد syncWithLatestSolutionVersion إلى true.

campaign_config = {
    "syncWithLatestSolutionVersion": True
}
resource_name = "test_campaign_sync"
solution_version_arn = "arn:aws:personalize:<region>:<accountId>:solution/<solution_name>/$LATEST"
response = personalize.create_campaign(name=resource_name, solutionVersionArn=solution_version_arn, campaignConfig=campaign_config)
campaign_arn = response['campaignArn']
print(campaign_arn)

في صفحة تفاصيل الحملة، يمكنك معرفة ما إذا كانت الحملة المحددة ممكّنة بالمزامنة التلقائية أم لا. عند التمكين، سيتم تحديث حملتك تلقائيًا لاستخدام أحدث إصدار للحل، سواء تم إنشاؤها تلقائيًا أو يدويًا.

استخدم نموذج التعليمات البرمجية التالي لتأكيد ذلك عبر AWS SDK syncWithLatestSolutionVersion ممكّن:

response = personalize.describe_campaign(campaignArn=campaign_arn)
Print(response)

سوف يحتوي ردك على الحقل syncWithLatestSolutionVersion مع campaignConfig، يعرض القيمة التي قمت بتعيينها في CreateCampaign مكالمة.

يمكنك تمكين أو تعطيل خيار الاستخدام التلقائي لأحدث إصدار من الحلول على وحدة تحكم Amazon Personalize بعد إنشاء الحملة عن طريق تحديث حملتك. وبالمثل، يمكنك تمكين أو تعطيل syncWithLatestSolutionVersion مع UpdateCampaign باستخدام AWS SDK.

وفي الختام

من خلال التدريب التلقائي، يمكنك تخفيف انحراف النموذج والحفاظ على ملاءمة التوصيات من خلال تبسيط سير عملك وأتمتة نشر أحدث إصدار من الحلول في Amazon Personalize.

لمزيد من المعلومات حول تحسين تجربة المستخدم الخاصة بك مع Amazon Personalize، راجع دليل مطور تخصيص أمازون.

عن المؤلفين

باكاري جونسون هو مدير المنتج الفني الأول الذي يعمل مع AWS AI/ML في فريق Amazon Personalize. تتمتع بخلفية في علوم الكمبيوتر والاستراتيجية، وهي شغوفة بابتكار المنتجات. وفي أوقات فراغها، تستمتع بالسفر واستكشاف الأماكن الرائعة في الهواء الطلق.

اجاي فينكاتاكريشنان هو مهندس تطوير برمجيات في فريق Amazon Personalize. وفي أوقات فراغه، يستمتع بالكتابة ولعب كرة القدم.

برانش أنوبهاف هو مهندس برمجيات أول في Amazon Personalize. إنه متحمس لتصميم أنظمة التعلم الآلي لخدمة العملاء على نطاق واسع. خارج عمله، يحب لعب كرة القدم وهو من المتابعين المتحمسين لريال مدريد.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/