آمازون شخصی سازی کنید برای اعلام آموزش خودکار برای راه حل ها هیجان زده است. آموزش راه حل برای حفظ اثربخشی یک مدل و اطمینان از همسویی توصیه ها با رفتارها و ترجیحات در حال تکامل کاربران، اساسی است. همانطور که الگوها و روند داده ها در طول زمان تغییر می کنند، آموزش مجدد راه حل با آخرین داده های مرتبط، مدل را قادر می سازد تا یاد بگیرد و سازگار شود و دقت پیش بینی آن را افزایش دهد. آموزش خودکار یک نسخه راه حل جدید را ایجاد می کند، از تغییر مدل جلوگیری می کند و توصیه ها را مرتبط و متناسب با رفتارهای فعلی کاربران نهایی نگه می دارد و در عین حال جدیدترین موارد را نیز شامل می شود. در نهایت، آموزش خودکار تجربه شخصی و جذاب‌تر را فراهم می‌کند که با تغییر ترجیحات سازگار است.

Amazon Personalize تحول دیجیتال شما را با یادگیری ماشینی (ML) تسریع می‌کند و ادغام توصیه‌های شخصی‌شده در وب‌سایت‌ها، برنامه‌ها، سیستم‌های بازاریابی ایمیلی و موارد دیگر را آسان می‌کند. Amazon Personalize توسعه دهندگان را قادر می سازد تا به سرعت یک موتور شخصی سازی سفارشی شده را بدون نیاز به تخصص ML پیاده سازی کنند. Amazon Personalize زیرساخت های لازم را فراهم می کند و کل خط لوله ML را مدیریت می کند، از جمله پردازش داده ها، شناسایی ویژگی ها، استفاده از الگوریتم های مناسب، و آموزش، بهینه سازی و میزبانی مدل های سفارشی شده بر اساس داده های شما. تمام داده های شما برای خصوصی و ایمن بودن رمزگذاری شده است.

در این پست، شما را در فرآیند پیکربندی آموزش خودکار راهنمایی می‌کنیم تا راه‌حل‌ها و توصیه‌های شما صحت و مرتبط بودن خود را حفظ کنند.

بررسی اجمالی راه حل

A راه حل به ترکیبی از دستور العمل شخصی سازی آمازون، پارامترهای سفارشی شده و یک یا چند نسخه راه حل (مدل های آموزش دیده) اشاره دارد. هنگامی که یک راه حل سفارشی ایجاد می کنید، دستور العملی را مشخص می کنید که مورد استفاده شما باشد و پارامترهای آموزشی را پیکربندی کنید. برای این پست، آموزش خودکار را در پارامترهای آموزشی پیکربندی می کنید.

پیش نیازها

برای فعال کردن آموزش خودکار برای راه حل های خود، ابتدا باید منابع Amazon Personalize را تنظیم کنید. شروع کنید ایجاد یک گروه داده، طرحواره ها و مجموعه داده ها نشان دهنده موارد، تعاملات و داده های کاربر شما است. برای دستورالعمل، مراجعه کنید شروع به کار (کنسول) or شروع به کار (AWS CLI).

پس از اتمام وارد کردن داده های خود، آماده ایجاد یک راه حل هستید.

یک راه حل ایجاد کنید

برای راه اندازی آموزش خودکار مراحل زیر را انجام دهید:

1. در کنسول شخصی آمازون، یک راه حل جدید ایجاد کنید.
2. یک نام برای راه حل خود مشخص کنید، نوع راه حلی را که می خواهید ایجاد کنید و دستور پخت خود را انتخاب کنید.
3. در صورت تمایل، هر برچسبی را اضافه کنید. برای اطلاعات بیشتر در مورد برچسب گذاری منابع شخصی سازی آمازون، رجوع کنید به برچسب زدن آمازون شخصی سازی منابع.
4. برای استفاده از آموزش خودکار، در آموزش خودکار بخش، انتخاب کنید روشن کن و فرکانس تمرین خود را مشخص کنید.

آموزش خودکار به طور پیش فرض فعال است تا هر 7 روز یک بار تمرین کند. شما می توانید سرعت آموزش را مطابق با نیازهای کسب و کار خود، از یک بار در هر 1 تا 30 روز، پیکربندی کنید.

1. اگر دستور غذای شما توصیه های مورد یا بخش های کاربر را ایجاد می کند، به صورت اختیاری از آن استفاده کنید ستون هایی برای آموزش بخش برای انتخاب ستون هایی که Amazon Personalize هنگام آموزش نسخه های راه حل در نظر می گیرد.
2. در پیکربندی هایپرپارامتر بخش، به صورت اختیاری هر گزینه هایپرپارامتری را بر اساس دستور پخت و نیازهای تجاری خود پیکربندی کنید.
3. هر گونه تنظیمات اضافی را ارائه دهید، سپس انتخاب کنید بعدی.
   
4. جزئیات راه حل را مرور کنید و تأیید کنید که آموزش خودکار شما مطابق انتظار پیکربندی شده است.
5. را انتخاب کنید راه حل ایجاد کنید.
   

Amazon Personalize به طور خودکار اولین نسخه راه حل شما را ایجاد می کند. آ نسخه راه حل به یک مدل ML آموزش دیده اشاره دارد. هنگامی که یک نسخه راه حل برای راه حل ایجاد می شود، Amazon Personalize مدلی را آموزش می دهد که نسخه راه حل را بر اساس دستور العمل و پیکربندی آموزشی پشتیبانی می کند. شروع ایجاد نسخه راه حل ممکن است تا 1 ساعت طول بکشد.

کد زیر نمونه ای برای ایجاد راه حل با آموزش خودکار با استفاده از AWS SDK است:

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'])

پس از ایجاد راه حل، می توانید تأیید کنید که آیا آموزش خودکار در صفحه جزئیات راه حل فعال است یا خیر.

همچنین می‌توانید از کد نمونه زیر برای تأیید فعال بودن آموزش خودکار از طریق AWS SDK استفاده کنید:

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

پاسخ شما حاوی فیلدها خواهد بود performAutoTraining و autoTrainingConfig، نمایش مقادیری که در آن تنظیم کرده اید CreateSolution زنگ زدن.

در صفحه جزئیات راه حل، نسخه های راه حل را نیز مشاهده خواهید کرد که به طور خودکار ایجاد می شوند. این نوع آموزش ستون مشخص می کند که آیا نسخه راه حل به صورت دستی یا خودکار ایجاد شده است.

همچنین می توانید از کد نمونه زیر برای بازگرداندن لیستی از نسخه های راه حل برای راه حل داده شده استفاده کنید:

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

پاسخ شما حاوی فیلد خواهد بود trainingType، که مشخص می کند نسخه راه حل به صورت دستی یا خودکار ایجاد شده است.

وقتی نسخه راه حل شما آماده شد، می توانید یک کمپین ایجاد کنید برای نسخه راه حل شما

یک کمپین ایجاد کنید

A کمپین یک نسخه راه حل (مدل آموزش دیده) را برای ایجاد توصیه های بلادرنگ به کار می گیرد. با Amazon Personalize، می توانید گردش کار خود را ساده کنید و از طریق همگام سازی خودکار، استقرار آخرین نسخه راه حل را برای کمپین ها به طور خودکار انجام دهید. برای تنظیم همگام‌سازی خودکار، مراحل زیر را انجام دهید:

1. در کنسول شخصی آمازون، یک کمپین جدید ایجاد کنید.
2. یک نام برای کمپین خود مشخص کنید.
3. راه حلی را که به تازگی ایجاد کرده اید انتخاب کنید.
4. انتخاب کنید به طور خودکار از آخرین نسخه راه حل استفاده کنید.
5. تنظیم کنید حداقل تراکنش های تامین شده در ثانیه.
   
6. کمپین خود را ایجاد کنید

کمپین زمانی آماده است که وضعیت آن مشخص شود ACTIVE.

کد زیر نمونه ای برای ایجاد کمپین با آن است syncWithLatestSolutionVersion مجموعه را به true با استفاده از AWS SDK همچنین باید پسوند را اضافه کنید $LATEST به solutionArn in solutionVersionArn وقتی تنظیم کردید syncWithLatestSolutionVersion به 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)

در صفحه جزئیات کمپین، می توانید ببینید که آیا کمپین انتخابی همگام سازی خودکار را فعال کرده است یا خیر. وقتی فعال باشد، کمپین شما به‌طور خودکار به‌روزرسانی می‌شود تا از آخرین نسخه راه‌حل استفاده کند، چه به‌طور خودکار یا دستی ایجاد شده باشد.

از کد نمونه زیر برای تأیید از طریق AWS SDK استفاده کنید syncWithLatestSolutionVersion فعال شده است:

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

پاسخ شما حاوی فیلد خواهد بود syncWithLatestSolutionVersion زیر campaignConfig، مقداری را که در CreateCampaign زنگ زدن.

می‌توانید پس از ایجاد کمپین با به‌روزرسانی کمپین خود، گزینه استفاده خودکار از آخرین نسخه راه‌حل در کنسول شخصی سازی آمازون را فعال یا غیرفعال کنید. به طور مشابه، می توانید فعال یا غیرفعال کنید syncWithLatestSolutionVersion با UpdateCampaign با استفاده از AWS SDK

نتیجه

با آموزش خودکار، می‌توانید تغییر مدل را کاهش دهید و ارتباط توصیه‌ها را با ساده‌سازی گردش کار و خودکار کردن استقرار آخرین نسخه راه‌حل در Amazon Personalize حفظ کنید.

برای کسب اطلاعات بیشتر در مورد بهینه سازی تجربه کاربری خود با Amazon Personalize، به بخش مراجعه کنید راهنمای برنامه نویس شخصی سازی آمازون.

درباره نویسندگان

باکری جانسون یک مدیر محصول فنی Sr. است که با AWS AI/ML در تیم Amazon Personalize کار می کند. او با پیشینه ای در علوم کامپیوتر و استراتژی، علاقه زیادی به نوآوری محصول دارد. او در اوقات فراغت خود از سفر و گشت و گذار در فضای باز لذت می برد.

آجی ونکاتاکریشنان یک مهندس توسعه نرم افزار در تیم Amazon Personalize است. او در اوقات فراغت خود از نوشتن و بازی فوتبال لذت می برد.

پرنش آنوبهاو یک مهندس نرم افزار ارشد برای Amazon Personalize است. او مشتاق طراحی سیستم‌های یادگیری ماشینی برای ارائه خدمات به مشتریان در مقیاس است. خارج از کارش، او عاشق بازی فوتبال است و از طرفداران پرشور رئال مادرید است.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/