Amazon Personnaliser est ravi d'annoncer une formation automatique aux solutions. La formation aux solutions est fondamentale pour maintenir l’efficacité d’un modèle et garantir que les recommandations s’alignent sur l’évolution des comportements et des préférences des utilisateurs. À mesure que les modèles et les tendances des données évoluent au fil du temps, le recyclage de la solution avec les dernières données pertinentes permet au modèle d'apprendre et de s'adapter, améliorant ainsi sa précision prédictive. La formation automatique génère une nouvelle version de la solution, atténuant la dérive du modèle et gardant les recommandations pertinentes et adaptées aux comportements actuels des utilisateurs finaux tout en incluant les éléments les plus récents. En fin de compte, l’entraînement automatique offre une expérience plus personnalisée et plus engageante qui s’adapte à l’évolution des préférences.

Amazon Personalize accélère votre transformation numérique grâce au machine learning (ML), ce qui facilite l'intégration de recommandations personnalisées dans les sites Web, applications, systèmes de marketing par e-mail existants, etc. Amazon Personalize permet aux développeurs de mettre en œuvre rapidement un moteur de personnalisation personnalisé, sans nécessiter d'expertise en ML. Amazon Personalize fournit l'infrastructure nécessaire et gère l'ensemble du pipeline ML, y compris le traitement des données, l'identification des fonctionnalités, l'utilisation des algorithmes appropriés, ainsi que la formation, l'optimisation et l'hébergement des modèles personnalisés basés sur vos données. Toutes vos données sont cryptées pour être privées et sécurisées.

Dans cet article, nous vous guidons tout au long du processus de configuration de la formation automatique, afin que vos solutions et recommandations conservent leur précision et leur pertinence.

Vue d'ensemble de la solution

A sur mesure fait référence à la combinaison d'une recette Amazon Personalize, de paramètres personnalisés et d'une ou plusieurs versions de solution (modèles entraînés). Lorsque vous créez une solution personnalisée, vous spécifiez une recette correspondant à votre cas d'utilisation et configurez les paramètres de formation. Pour cet article, vous configurez l'entraînement automatique dans les paramètres d'entraînement.

Pré-requis

Pour activer la formation automatique pour vos solutions, vous devez d'abord configurer les ressources Amazon Personalize. Commence par création d'un groupe d'ensembles de données, les schémas et ensembles de données représentant vos éléments, interactions et données utilisateur. Pour obtenir des instructions, reportez-vous à Premiers pas (console) or Mise en route (AWS CLI).

Une fois l’importation de vos données terminée, vous êtes prêt à créer une solution.

Créer une solution

Pour configurer l'entraînement automatique, procédez comme suit :

1. Sur la console Amazon Personalize, créez une nouvelle solution.
2. Spécifiez un nom pour votre solution, choisissez le type de solution que vous souhaitez créer et choisissez votre recette.
3. Ajoutez éventuellement des balises. Pour plus d'informations sur le balisage des ressources Amazon Personalize, consultez Marquage des ressources Amazon Personalize.
4. Pour utiliser l'entraînement automatique, dans le Entraînement automatique section, sélectionnez allumer et précisez votre fréquence d'entraînement.

L'entraînement automatique est activé par défaut pour s'entraîner une fois tous les 7 jours. Vous pouvez configurer la cadence de formation en fonction des besoins de votre entreprise, allant d'une fois tous les 1 à 30 jours.

1. Si votre recette génère des recommandations d'articles ou des segments d'utilisateurs, utilisez éventuellement l'option Colonnes pour la formation pour choisir les colonnes qu'Amazon Personalize prend en compte lors de la formation des versions de la solution.
2. Dans le Configuration des hyperparamètres , configurez éventuellement toutes les options d'hyperparamètres en fonction de votre recette et des besoins de votre entreprise.
3. Fournissez toutes les configurations supplémentaires, puis choisissez Suivant.
   
4. Passez en revue les détails de la solution et confirmez que votre formation automatique est configurée comme prévu.
5. Selectionnez Créer une solution.
   

Amazon Personalize créera automatiquement votre première version de solution. UN version de la solution fait référence à un modèle ML formé. Lorsqu'une version de solution est créée pour la solution, Amazon Personalize forme le modèle qui prend en charge la version de solution en fonction de la recette et de la configuration de formation. Le démarrage de la création de la version de la solution peut prendre jusqu'à 1 heure.

Voici un exemple de code permettant de créer une solution avec formation automatique à l'aide du kit SDK AWS :

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'])

Une fois une solution créée, vous pouvez confirmer si la formation automatique est activée sur la page de détails de la solution.

Vous pouvez également utiliser l'exemple de code suivant pour confirmer via le kit AWS SDK que la formation automatique est activée :

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

Votre réponse contiendra les champs performAutoTraining ainsi que autoTrainingConfig, affichant les valeurs que vous avez définies dans le CreateSolution appel.

Sur la page des détails de la solution, vous verrez également les versions de solution créées automatiquement. Le Type de formation La colonne indique si la version de la solution a été créée manuellement ou automatiquement.

Vous pouvez également utiliser l'exemple de code suivant pour renvoyer une liste des versions de solution pour la solution donnée :

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

Votre réponse contiendra le champ trainingType, qui spécifie si la version de la solution a été créée manuellement ou automatiquement.

Lorsque la version de votre solution est prête, vous pouvez créer une campagne pour la version de votre solution.

Créer une campagne

A campagne déploie une version de solution (modèle entraîné) pour générer des recommandations en temps réel. Avec Amazon Personalize, vous pouvez rationaliser votre flux de travail et automatiser le déploiement de la dernière version de la solution dans les campagnes via la synchronisation automatique. Pour configurer la synchronisation automatique, procédez comme suit :

1. Sur la console Amazon Personalize, créez une nouvelle campagne.
2. Spécifiez un nom pour votre campagne.
3. Choisissez la solution que vous venez de créer.
4. Sélectionnez Utiliser automatiquement la dernière version de la solution.
5. Met le nombre minimum de transactions provisionnées par seconde.
   
6. Créez votre campagne.

La campagne est prête lorsque son statut est ACTIVE.

Ce qui suit est un exemple de code pour créer une campagne avec syncWithLatestSolutionVersion ajuster à true à l'aide du kit SDK AWS. Vous devez également ajouter le suffixe $LATEST à la solutionArn in solutionVersionArn lorsque vous définissez syncWithLatestSolutionVersion à 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)

Sur la page des détails de la campagne, vous pouvez voir si la synchronisation automatique est activée pour la campagne sélectionnée. Lorsqu'elle est activée, votre campagne sera automatiquement mise à jour pour utiliser la version la plus récente de la solution, qu'elle ait été créée automatiquement ou manuellement.

Utilisez l'exemple de code suivant pour confirmer via le kit SDK AWS que syncWithLatestSolutionVersion est autorisé:

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

Votre réponse contiendra le champ syncWithLatestSolutionVersion sous campaignConfig, affichant la valeur que vous avez définie dans le CreateCampaign appel.

Vous pouvez activer ou désactiver l'option permettant d'utiliser automatiquement la dernière version de la solution sur la console Amazon Personalize après la création d'une campagne en mettant à jour votre campagne. De même, vous pouvez activer ou désactiver syncWithLatestSolutionVersion comprenant UpdateCampaign à l'aide du kit SDK AWS.

Conclusion

Grâce à la formation automatique, vous pouvez atténuer la dérive du modèle et maintenir la pertinence des recommandations en rationalisant votre flux de travail et en automatisant le déploiement de la dernière version de la solution dans Amazon Personalize.

Pour plus d'informations sur l'optimisation de votre expérience utilisateur avec Amazon Personalize, consultez le Amazon personnaliser le guide du développeur.

À propos des auteurs

Ba'Carri Johnson est un chef de produit technique principal travaillant avec AWS AI/ML au sein de l'équipe Amazon Personalize. Forte d'une formation en informatique et en stratégie, elle est passionnée par l'innovation produit. Dans ses temps libres, elle aime voyager et explorer les grands espaces.

Ajay Venkatakrishnan est ingénieur en développement logiciel au sein de l'équipe Amazon Personalize. Dans ses temps libres, il aime écrire et jouer au football.

Pranesh Anubhav est ingénieur logiciel senior pour Amazon Personalize. Il est passionné par la conception de systèmes d'apprentissage automatique pour servir les clients à grande échelle. En dehors de son travail, il adore jouer au football et est un fervent adepte du Real Madrid.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/