Амазонка персоналізувати із задоволенням повідомляє про автоматичне навчання для рішень. Навчання рішенням має важливе значення для підтримки ефективності моделі та забезпечення відповідності рекомендацій поведінці й уподобанням користувачів, що розвиваються. Оскільки шаблони даних і тенденції змінюються з часом, перенавчання рішення за допомогою останніх релевантних даних дозволяє моделі навчатися та адаптуватися, підвищуючи точність прогнозування. Автоматичне навчання генерує нову версію рішення, пом’якшуючи дрейф моделі та зберігаючи рекомендації актуальними та пристосованими до поточної поведінки кінцевих користувачів, включаючи найновіші елементи. Зрештою, автоматичне навчання забезпечує більш персоналізований і привабливий досвід, який адаптується до мінливих уподобань.

Amazon Personalize прискорює вашу цифрову трансформацію за допомогою машинного навчання (ML), що дозволяє без зусиль інтегрувати персоналізовані рекомендації в існуючі веб-сайти, програми, системи електронного маркетингу тощо. Amazon Personalize дозволяє розробникам швидко впроваджувати налаштований механізм персоналізації, не вимагаючи досвіду ML. Amazon Personalize забезпечує необхідну інфраструктуру та керує всім конвеєром машинного навчання, включаючи обробку даних, ідентифікацію функцій, використання відповідних алгоритмів, навчання, оптимізацію та розміщення налаштованих моделей на основі ваших даних. Усі ваші дані зашифровано, щоб бути приватними та безпечними.

У цій публікації ми проведемо вас через процес налаштування автоматичного навчання, щоб ваші рішення та рекомендації зберігали свою точність і актуальність.

Огляд рішення

A рішення відноситься до поєднання рецепту Amazon Personalize, налаштованих параметрів і однієї чи кількох версій рішення (навчених моделей). Коли ви створюєте індивідуальне рішення, ви вказуєте рецепт, який відповідає вашому варіанту використання, і налаштовуєте параметри навчання. Для цієї посади ви налаштовуєте автоматичне навчання в параметрах навчання.

Передумови

Щоб увімкнути автоматичне навчання для ваших рішень, вам спочатку потрібно налаштувати ресурси Amazon Personalize. Почніть з створення групи набору даних, схеми та набори даних представлення ваших елементів, взаємодії та даних користувача. Інструкції див Початок роботи (консоль) or Початок роботи (AWS CLI).

Після завершення імпорту даних ви готові створити рішення.

Створіть рішення

Щоб налаштувати автоматичне навчання, виконайте такі дії:

1. На консолі Amazon Personalize створіть нове рішення.
2. Вкажіть назву свого розчину, виберіть тип розчину, який ви хочете створити, і виберіть свій рецепт.
3. За бажанням додайте будь-які теги. Додаткову інформацію про додавання тегів до ресурсів Amazon Personalize див Додавання тегів до ресурсів Amazon Personalize.
4. Щоб використовувати автоматичне навчання, в Автоматичне навчання розділ, виберіть Включити і вкажіть частоту тренувань.

Автоматичне навчання ввімкнено за замовчуванням, щоб тренуватися кожні 7 днів. Ви можете налаштувати частоту навчання відповідно до потреб свого бізнесу, починаючи від одного разу кожні 1–30 днів.

1. Якщо ваш рецепт генерує рекомендації щодо предметів або сегменти користувачів, необов’язково використовуйте Колонки для навчання щоб вибрати стовпці, які Amazon Personalize враховує під час навчання версій рішення.
2. У Конфігурація гіперпараметрів розділ, додатково налаштуйте будь-які параметри гіперпараметрів на основі вашого рецепту та бізнес-потреб.
3. Надайте будь-які додаткові конфігурації та виберіть МАЙБУТНІ.
   
4. Перегляньте деталі рішення та переконайтеся, що ваше автоматичне навчання налаштовано належним чином.
5. Вибирати Створіть рішення.
   

Amazon Personalize автоматично створить вашу першу версію рішення. А версія рішення відноситься до навченої моделі ML. Коли для рішення створюється версія рішення, Amazon Personalize навчає модель, що підтримує версію рішення, на основі рецепту та конфігурації навчання. Початок створення версії рішення може тривати до 1 години.

Нижче наведено зразок коду для створення рішення з автоматичним навчанням за допомогою 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'])

Після створення рішення ви можете перевірити, чи ввімкнено автоматичне навчання, на сторінці деталей рішення.

Ви також можете використати наведений нижче зразок коду, щоб підтвердити через AWS SDK, що автоматичне навчання ввімкнено:

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

Ваша відповідь міститиме поля performAutoTraining та autoTrainingConfig, відображаючи значення, які ви встановили в CreateSolution дзвінок.

На сторінці з інформацією про рішення ви також побачите версії рішення, які створюються автоматично. The Тип навчання стовпець визначає, чи була версія рішення створена вручну чи автоматично.

Ви також можете використати такий зразок коду, щоб повернути список версій рішення для даного рішення:

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

Ваша відповідь міститиме поле trainingType, який визначає, чи була версія рішення створена вручну чи автоматично.

Коли ваша версія рішення буде готова, ви можете створити кампанію для вашої версії рішення.

Створіть кампанію

A кампанія розгортає версію рішення (навчену модель) для створення рекомендацій у реальному часі. За допомогою Amazon Personalize ви можете оптимізувати робочий процес і автоматизувати розгортання останньої версії рішення в кампаніях за допомогою автоматичної синхронізації. Щоб налаштувати автоматичну синхронізацію, виконайте такі дії:

1. На консолі Amazon Personalize створіть нову кампанію.
2. Вкажіть назву вашої кампанії.
3. Виберіть рішення, яке ви щойно створили.
4. Select Автоматично використовувати останню версію рішення.
5. Встановіть мінімальна кількість транзакцій за секунду.
   
6. Створіть свою кампанію.

Кампанія готова, коли має статус ACTIVE.

Нижче наведено зразок коду для створення кампанії syncWithLatestSolutionVersion встановлений в true за допомогою AWS SDK. Ви також повинні додати суфікс $LATEST до solutionArn in solutionVersionArn коли ви встановите syncWithLatestSolutionVersion до 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)

На сторінці деталей кампанії можна побачити, чи ввімкнено автоматичну синхронізацію для вибраної кампанії. Якщо ввімкнути цю функцію, ваша кампанія автоматично оновлюватиметься для використання останньої версії рішення, створеної автоматично чи вручну.

Використовуйте наведений нижче зразок коду, щоб підтвердити це через AWS SDK syncWithLatestSolutionVersion увімкнено:

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

Ваша відповідь міститиме поле syncWithLatestSolutionVersion при campaignConfig, що відображає значення, яке ви встановили в CreateCampaign дзвінок.

Ви можете ввімкнути або вимкнути опцію автоматичного використання останньої версії рішення на консолі Amazon Personalize після створення кампанії, оновивши її. Так само ви можете ввімкнути або вимкнути syncWithLatestSolutionVersion з UpdateCampaign за допомогою AWS SDK.

Висновок

Завдяки автоматичному навчанню ви можете пом’якшити дрейф моделі та підтримувати релевантність рекомендацій, оптимізувавши робочий процес і автоматизувавши розгортання останньої версії рішення в Amazon Personalize.

Щоб отримати додаткові відомості про оптимізацію взаємодії з користувачем за допомогою Amazon Personalize, див Посібник розробника Amazon Personalize.

Про авторів

Ба'Каррі Джонсон є старшим менеджером із технічних продуктів, який працює з AWS AI/ML у команді Amazon Personalize. Маючи досвід роботи в області інформатики та стратегії, вона захоплена інноваційними продуктами. У вільний час вона любить подорожувати та досліджувати природу.

Аджай Венкатакрішнан є інженером з розробки програмного забезпечення в команді Amazon Personalize. У вільний час він любить писати та грати у футбол.

Пранеш Анубхав є старшим інженером-програмістом Amazon Personalize. Він захоплений розробкою систем машинного навчання для обслуговування клієнтів у великих масштабах. Окрім роботи, він любить грати у футбол і є пристрасним послідовником «Реала».

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/