Amazon Tilpasse er glade for å annonsere automatisk opplæring for løsninger. Løsningsopplæring er grunnleggende for å opprettholde effektiviteten til en modell og sørge for at anbefalingene stemmer overens med brukernes utviklende atferd og preferanser. Ettersom datamønstre og trender endres over tid, gjør omskolering av løsningen med de nyeste relevante dataene modellen i stand til å lære og tilpasse seg, noe som øker dens prediktive nøyaktighet. Automatisk opplæring genererer en ny løsningsversjon, reduserer modellavvik og holder anbefalingene relevante og skreddersydde til sluttbrukernes nåværende atferd samtidig som de inkluderer de nyeste elementene. Til syvende og sist gir automatisk trening en mer personlig og engasjerende opplevelse som tilpasser seg endrede preferanser.

Amazon Personalize akselererer din digitale transformasjon med maskinlæring (ML), noe som gjør det enkelt å integrere personlige anbefalinger i eksisterende nettsteder, applikasjoner, e-postmarkedsføringssystemer og mer. Amazon Personalize gjør det mulig for utviklere å raskt implementere en tilpasset personaliseringsmotor, uten å kreve ML-ekspertise. Amazon Personalize sørger for den nødvendige infrastrukturen og administrerer hele ML-pipelinen, inkludert behandling av dataene, identifisering av funksjoner, bruk av passende algoritmer og opplæring, optimalisering og vertskap for de tilpassede modellene basert på dataene dine. Alle dataene dine er kryptert for å være private og sikre.

I dette innlegget veileder vi deg gjennom prosessen med å konfigurere automatisk opplæring, slik at løsningene og anbefalingene dine opprettholder nøyaktigheten og relevansen.

Løsningsoversikt

A løsning refererer til kombinasjonen av en Amazon Personalize-oppskrift, tilpassede parametere og en eller flere løsningsversjoner (opplærte modeller). Når du oppretter en tilpasset løsning, spesifiserer du en oppskrift som samsvarer med ditt bruksområde og konfigurerer treningsparametere. For dette innlegget konfigurerer du automatisk trening i treningsparametrene.

Forutsetninger

For å aktivere automatisk opplæring for løsningene dine, må du først sette opp Amazon Personalize-ressurser. Start med opprette en datasettgruppe, skjemaer og datasett som representerer dine varer, interaksjoner og brukerdata. For instruksjoner, se Komme i gang (konsoll) or Komme i gang (AWS CLI).

Når du er ferdig med å importere dataene dine, er du klar til å lage en løsning.

Lag en løsning

For å konfigurere automatisk opplæring, fullfør følgende trinn:

1. Lag en ny løsning på Amazon Personalize-konsollen.
2. Angi et navn for løsningen, velg typen løsning du vil lage, og velg oppskriften din.
3. Legg eventuelt til eventuelle tagger. For mer informasjon om merking av Amazon Personalize-ressurser, se Merking av Amazon Personalize-ressurser.
4. For å bruke automatisk trening, i Automatisk trening seksjon, velg Slå på og spesifiser treningsfrekvensen din.

Automatisk trening er aktivert som standard for å trene én gang hver 7. dag. Du kan konfigurere treningskadensen for å passe dine forretningsbehov, alt fra én gang hver 1.–30. dag.

1. Hvis oppskriften din genererer vareanbefalinger eller brukersegmenter, kan du eventuelt bruke Kolonner for trening seksjonen for å velge kolonnene Amazon Personalize tar i betraktning ved opplæring av løsningsversjoner.
2. på Hyperparameterkonfigurasjon seksjon, konfigurer eventuelt hyperparameteralternativer basert på oppskriften og forretningsbehovene dine.
3. Oppgi eventuelle tilleggskonfigurasjoner, og velg deretter neste.
   
4. Se gjennom løsningsdetaljene og bekreft at den automatiske treningen er konfigurert som forventet.
5. Velg Lag løsning.
   

Amazon Personalize vil automatisk lage din første løsningsversjon. EN løsningsversjon refererer til en opplært ML-modell. Når en løsningsversjon opprettes for løsningen, trener Amazon Personalize modellen som støtter løsningsversjonen basert på oppskriften og treningskonfigurasjonen. Det kan ta opptil 1 time før opprettelsen av løsningsversjonen starter.

Følgende er eksempelkode for å lage en løsning med automatisk opplæring ved bruk av 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'])

Etter at en løsning er opprettet, kan du bekrefte om automatisk opplæring er aktivert på siden med løsningsdetaljer.

Du kan også bruke følgende eksempelkode for å bekrefte via AWS SDK at automatisk trening er aktivert:

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

Svaret ditt vil inneholde feltene performAutoTraining og autoTrainingConfig, som viser verdiene du angir i CreateSolution anrop.

På siden med løsningsdetaljer vil du også se løsningsversjonene som opprettes automatisk. De Treningstype kolonnen spesifiserer om løsningsversjonen ble opprettet manuelt eller automatisk.

Du kan også bruke følgende eksempelkode for å returnere en liste over løsningsversjoner for den gitte løsningen:

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

Svaret ditt vil inneholde feltet trainingType, som spesifiserer om løsningsversjonen ble opprettet manuelt eller automatisk.

Når løsningsversjonen din er klar, kan du opprette en kampanje for din løsningsversjon.

Lag en kampanje

A kampanje distribuerer en løsningsversjon (opplært modell) for å generere sanntidsanbefalinger. Med Amazon Personalize kan du strømlinjeforme arbeidsflyten din og automatisere distribusjonen av den nyeste løsningsversjonen til kampanjer via automatisk synkronisering. For å konfigurere automatisk synkronisering, fullfør følgende trinn:

1. På Amazon Personalize-konsollen oppretter du en ny kampanje.
2. Angi et navn for kampanjen.
3. Velg løsningen du nettopp har laget.
4. Plukke ut Bruk automatisk den nyeste løsningsversjonen.
5. Sett minimum klargjorte transaksjoner per sekund.
   
6. Opprett kampanjen din.

Kampanjen er klar når statusen er ACTIVE.

Følgende er eksempelkode for å lage en kampanje med syncWithLatestSolutionVersion satt til true ved å bruke AWS SDK. Du må også legge til suffikset $LATEST til solutionArn in solutionVersionArn når du setter inn syncWithLatestSolutionVersion til 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)

På siden med kampanjedetaljer kan du se om den valgte kampanjen har automatisk synkronisering aktivert. Når den er aktivert, oppdateres kampanjen automatisk til å bruke den nyeste løsningsversjonen, enten den ble opprettet automatisk eller manuelt.

Bruk følgende eksempelkode for å bekrefte dette via AWS SDK syncWithLatestSolutionVersion Er på:

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

Svaret ditt vil inneholde feltet syncWithLatestSolutionVersion etter campaignConfig, som viser verdien du angir i CreateCampaign anrop.

Du kan aktivere eller deaktivere alternativet for å automatisk bruke den nyeste løsningsversjonen på Amazon Personalize-konsollen etter at en kampanje er opprettet ved å oppdatere kampanjen din. På samme måte kan du aktivere eller deaktivere syncWithLatestSolutionVersion med UpdateCampaign ved å bruke AWS SDK.

konklusjonen

Med automatisk opplæring kan du redusere modelldrift og opprettholde anbefalingsrelevansen ved å strømlinjeforme arbeidsflyten din og automatisere distribusjonen av den nyeste løsningsversjonen i Amazon Personalize.

For mer informasjon om å optimalisere brukeropplevelsen din med Amazon Personalize, se Amazon Personalize utviklerveiledning.

Om forfatterne

Ba'Carri Johnson er en senior teknisk produktsjef som jobber med AWS AI/ML i Amazon Personalize-teamet. Med bakgrunn fra informatikk og strategi brenner hun for produktinnovasjon. På fritiden liker hun å reise og utforske naturen.

Ajay Venkatakrishnan er en programvareutviklingsingeniør i Amazon Personalize-teamet. På fritiden liker han å skrive og spille fotball.

Pranesh Anubhav er senior programvareingeniør for Amazon Personalize. Han brenner for å designe maskinlæringssystemer for å betjene kunder i stor skala. Utenom jobben elsker han å spille fotball og er en ivrig tilhenger av Real Madrid.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/