Προσαρμογή του Amazon είναι ενθουσιασμένος που ανακοινώνει αυτόματη εκπαίδευση για λύσεις. Η εκπαίδευση λύσεων είναι θεμελιώδης για τη διατήρηση της αποτελεσματικότητας ενός μοντέλου και για τη διασφάλιση της ευθυγράμμισης των συστάσεων με τις εξελισσόμενες συμπεριφορές και προτιμήσεις των χρηστών. Καθώς τα πρότυπα και οι τάσεις δεδομένων αλλάζουν με την πάροδο του χρόνου, η επανεκπαίδευση της λύσης με τα πιο πρόσφατα σχετικά δεδομένα επιτρέπει στο μοντέλο να μάθει και να προσαρμοστεί, ενισχύοντας την προγνωστική του ακρίβεια. Η αυτόματη εκπαίδευση δημιουργεί μια νέα έκδοση λύσης, μετριάζοντας την μετατόπιση του μοντέλου και διατηρώντας τις συστάσεις σχετικές και προσαρμοσμένες στις τρέχουσες συμπεριφορές των τελικών χρηστών, ενώ περιλαμβάνει τα νεότερα στοιχεία. Τελικά, η αυτόματη εκπαίδευση παρέχει μια πιο εξατομικευμένη και συναρπαστική εμπειρία που προσαρμόζεται στις μεταβαλλόμενες προτιμήσεις.

Το Amazon Personalize επιταχύνει τον ψηφιακό σας μετασχηματισμό με τη μηχανική εκμάθηση (ML), καθιστώντας εύκολη την ενσωμάτωση εξατομικευμένων προτάσεων σε υπάρχοντες ιστότοπους, εφαρμογές, συστήματα μάρκετινγκ ηλεκτρονικού ταχυδρομείου και πολλά άλλα. Το Amazon Personalize επιτρέπει στους προγραμματιστές να εφαρμόσουν γρήγορα μια εξατομικευμένη μηχανή εξατομίκευσης, χωρίς να απαιτείται τεχνογνωσία ML. Το Amazon Personalize παρέχει την απαραίτητη υποδομή και διαχειρίζεται ολόκληρο τον αγωγό ML, συμπεριλαμβανομένης της επεξεργασίας των δεδομένων, της αναγνώρισης χαρακτηριστικών, της χρήσης των κατάλληλων αλγορίθμων και της εκπαίδευσης, βελτιστοποίησης και φιλοξενίας των προσαρμοσμένων μοντέλων με βάση τα δεδομένα σας. Όλα τα δεδομένα σας είναι κρυπτογραφημένα ώστε να είναι ιδιωτικά και ασφαλή.

Σε αυτήν την ανάρτηση, σας καθοδηγούμε στη διαδικασία διαμόρφωσης της αυτόματης εκπαίδευσης, ώστε οι λύσεις και οι συστάσεις σας να διατηρούν την ακρίβεια και τη συνάφειά τους.

Επισκόπηση λύσεων

A λύση αναφέρεται στον συνδυασμό μιας συνταγής Amazon Personalize, προσαρμοσμένων παραμέτρων και μιας ή περισσότερων εκδόσεων λύσης (εκπαιδευμένα μοντέλα). Όταν δημιουργείτε μια προσαρμοσμένη λύση, καθορίζετε μια συνταγή που ταιριάζει με την περίπτωση χρήσης σας και διαμορφώνετε τις παραμέτρους εκπαίδευσης. Για αυτήν την ανάρτηση, διαμορφώνετε την αυτόματη εκπαίδευση στις παραμέτρους εκπαίδευσης.

Προϋποθέσεις

Για να ενεργοποιήσετε την αυτόματη εκπαίδευση για τις λύσεις σας, πρέπει πρώτα να ρυθμίσετε τους πόρους του Amazon Personalize. Ξεκινήστε από δημιουργία μιας ομάδας δεδομένων, σχήματα και σύνολα δεδομένων που αντιπροσωπεύει τα στοιχεία, τις αλληλεπιδράσεις και τα δεδομένα χρήστη σας. Για οδηγίες, ανατρέξτε στο Ξεκινώντας (κονσόλα) or Ξεκινώντας (AWS CLI).

Αφού ολοκληρώσετε την εισαγωγή των δεδομένων σας, είστε έτοιμοι να δημιουργήσετε μια λύση.

Δημιουργήστε μια λύση

Για να ρυθμίσετε την αυτόματη εκπαίδευση, ολοκληρώστε τα παρακάτω βήματα:

1. Στην κονσόλα Amazon Personalize, δημιουργήστε μια νέα λύση.
2. Καθορίστε ένα όνομα για τη λύση σας, επιλέξτε τον τύπο της λύσης που θέλετε να δημιουργήσετε και επιλέξτε τη συνταγή σας.
3. Προαιρετικά, προσθέστε τυχόν ετικέτες. Για περισσότερες πληροφορίες σχετικά με την προσθήκη ετικετών σε πόρους του Amazon Personalize, βλ Προσθήκη ετικετών Amazon Personalize πόρων.
4. Για να χρησιμοποιήσετε την αυτόματη εκπαίδευση, στο Αυτόματη εκπαίδευση , επιλέξτε Ενεργοποιήστε την και καθορίστε τη συχνότητα προπόνησής σας.

Η αυτόματη προπόνηση είναι ενεργοποιημένη από προεπιλογή για προπόνηση μία φορά κάθε 7 ημέρες. Μπορείτε να διαμορφώσετε τον ρυθμό εκπαίδευσης ώστε να ταιριάζει στις ανάγκες της επιχείρησής σας, που κυμαίνεται από μία φορά κάθε 1-30 ημέρες.

1. Εάν η συνταγή σας δημιουργεί προτάσεις στοιχείων ή τμήματα χρηστών, χρησιμοποιήστε προαιρετικά το Στήλες για εκπαίδευση ενότητα για να επιλέξετε τις στήλες που λαμβάνει υπόψη το Amazon Personalize κατά τις εκδόσεις λύσεων εκπαίδευσης.
2. Στο Διαμόρφωση υπερπαραμέτρων τμήμα, διαμορφώστε προαιρετικά τυχόν επιλογές υπερπαραμέτρων με βάση τη συνταγή και τις επιχειρηματικές σας ανάγκες.
3. Δώστε τυχόν πρόσθετες διαμορφώσεις και, στη συνέχεια, επιλέξτε Επόμενο.
   
4. Ελέγξτε τις λεπτομέρειες της λύσης και επιβεβαιώστε ότι η αυτόματη εκπαίδευσή σας έχει διαμορφωθεί όπως αναμένεται.
5. Επιλέξτε Δημιουργία λύσης.
   

Το Amazon Personalize θα δημιουργήσει αυτόματα την πρώτη έκδοση λύσης. ΕΝΑ έκδοση λύσης αναφέρεται σε ένα εκπαιδευμένο μοντέλο ML. Όταν δημιουργείται μια έκδοση λύσης για τη λύση, το Amazon Personalize εκπαιδεύει το μοντέλο που υποστηρίζει την έκδοση λύσης με βάση τη συνταγή και τη διαμόρφωση εκπαίδευσης. Μπορεί να χρειαστεί έως και 1 ώρα για να ξεκινήσει η δημιουργία της έκδοσης λύσης.

Το παρακάτω είναι δείγμα κώδικα για τη δημιουργία μιας λύσης με αυτόματη εκπαίδευση χρησιμοποιώντας το 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'])

Αφού δημιουργηθεί μια λύση, μπορείτε να επιβεβαιώσετε εάν είναι ενεργοποιημένη η αυτόματη εκπαίδευση στη σελίδα λεπτομερειών λύσης.

Μπορείτε επίσης να χρησιμοποιήσετε το ακόλουθο δείγμα κώδικα για να επιβεβαιώσετε μέσω του AWS SDK ότι είναι ενεργοποιημένη η αυτόματη εκπαίδευση:

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

Η απάντησή σας θα περιέχει τα πεδία performAutoTraining και autoTrainingConfig, εμφανίζοντας τις τιμές που έχετε ορίσει στο CreateSolution κλήση.

Στη σελίδα λεπτομερειών λύσης, θα δείτε επίσης τις εκδόσεις της λύσης που δημιουργούνται αυτόματα. ο Τύπος εκπαίδευσης Η στήλη καθορίζει εάν η έκδοση λύσης δημιουργήθηκε με μη αυτόματο τρόπο ή αυτόματα.

Μπορείτε επίσης να χρησιμοποιήσετε το ακόλουθο δείγμα κώδικα για να επιστρέψετε μια λίστα εκδόσεων λύσης για τη δεδομένη λύση:

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

Η απάντησή σας θα περιέχει το πεδίο trainingType, το οποίο καθορίζει εάν η έκδοση λύσης δημιουργήθηκε με μη αυτόματο τρόπο ή αυτόματα.

Όταν η έκδοση λύσης είναι έτοιμη, μπορείτε δημιουργήστε μια καμπάνια για την έκδοση λύσης σας.

Δημιουργήστε μια καμπάνια

A εκστρατεία αναπτύσσει μια έκδοση λύσης (εκπαιδευμένο μοντέλο) για τη δημιουργία συστάσεων σε πραγματικό χρόνο. Με το Amazon Personalize, μπορείτε να βελτιστοποιήσετε τη ροή εργασίας σας και να αυτοματοποιήσετε την ανάπτυξη της πιο πρόσφατης έκδοσης λύσης σε καμπάνιες μέσω του αυτόματου συγχρονισμού. Για να ρυθμίσετε τον αυτόματο συγχρονισμό, ολοκληρώστε τα παρακάτω βήματα:

1. Στην κονσόλα Amazon Personalize, δημιουργήστε μια νέα καμπάνια.
2. Καθορίστε ένα όνομα για την καμπάνια σας.
3. Επιλέξτε τη λύση που μόλις δημιουργήσατε.
4. Αγορά Χρησιμοποιήστε αυτόματα την πιο πρόσφατη έκδοση λύσης.
5. Ρυθμίστε το ελάχιστες προβλέψεις συναλλαγών ανά δευτερόλεπτο.
   
6. Δημιουργήστε την καμπάνια σας.

Η καμπάνια είναι έτοιμη όταν είναι η κατάστασή της ACTIVE.

Το παρακάτω είναι δείγμα κώδικα για τη δημιουργία μιας καμπάνιας με syncWithLatestSolutionVersion οριστεί σε true χρησιμοποιώντας το AWS SDK. Πρέπει επίσης να προσθέσετε το επίθημα $LATEST στο solutionArn in solutionVersionArn όταν ρυθμίζετε syncWithLatestSolutionVersion προς την 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)

Στη σελίδα λεπτομερειών καμπάνιας, μπορείτε να δείτε εάν η επιλεγμένη καμπάνια έχει ενεργοποιημένο τον αυτόματο συγχρονισμό. Όταν είναι ενεργοποιημένη, η καμπάνια σας θα ενημερώνεται αυτόματα για να χρησιμοποιεί την πιο πρόσφατη έκδοση λύσης, είτε δημιουργήθηκε αυτόματα είτε μη αυτόματα.

Χρησιμοποιήστε το ακόλουθο δείγμα κώδικα για να το επιβεβαιώσετε μέσω του AWS SDK syncWithLatestSolutionVersion είναι ενεργοποιημένο:

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

Η απάντησή σας θα περιέχει το πεδίο syncWithLatestSolutionVersion υπό campaignConfig, εμφανίζοντας την τιμή που έχετε ορίσει στο CreateCampaign κλήση.

Μπορείτε να ενεργοποιήσετε ή να απενεργοποιήσετε την επιλογή αυτόματης χρήσης της πιο πρόσφατης έκδοσης λύσης στην κονσόλα Amazon Personalize μετά τη δημιουργία μιας καμπάνιας, ενημερώνοντας την καμπάνια σας. Ομοίως, μπορείτε να ενεργοποιήσετε ή να απενεργοποιήσετε syncWithLatestSolutionVersion με UpdateCampaign χρησιμοποιώντας το AWS SDK.

Συμπέρασμα

Με την αυτόματη εκπαίδευση, μπορείτε να μειώσετε τη μετατόπιση του μοντέλου και να διατηρήσετε τη συνάφεια των προτάσεων βελτιστοποιώντας τη ροή εργασίας σας και αυτοματοποιώντας την ανάπτυξη της πιο πρόσφατης έκδοσης λύσης στο Amazon Personalize.

Για περισσότερες πληροφορίες σχετικά με τη βελτιστοποίηση της εμπειρίας χρήστη σας με το Amazon Personalize, ανατρέξτε στο Οδηγός προγραμματιστή Amazon Personalize.

Σχετικά με τους συγγραφείς

Μπα'Κάρι Τζόνσον είναι ένας Sr. Technical Product Manager που εργάζεται με το AWS AI/ML στην ομάδα του Amazon Personalize. Με υπόβαθρο στην επιστήμη των υπολογιστών και τη στρατηγική, είναι παθιασμένη με την καινοτομία προϊόντων. Στον ελεύθερο χρόνο της, της αρέσει να ταξιδεύει και να εξερευνά την υπέροχη ύπαιθρο.

Ajay Venkatakrishnan είναι Μηχανικός Ανάπτυξης Λογισμικού στην ομάδα του Amazon Personalize. Στον ελεύθερο χρόνο του, του αρέσει να γράφει και να παίζει ποδόσφαιρο.

Pranesh Anubhav είναι Ανώτερος Μηχανικός Λογισμικού για το Amazon Personalize. Είναι παθιασμένος με το σχεδιασμό συστημάτων μηχανικής μάθησης για να εξυπηρετεί πελάτες σε κλίμακα. Εκτός από τη δουλειά του, του αρέσει να παίζει ποδόσφαιρο και είναι άπληστος οπαδός της Ρεάλ Μαδρίτης.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/