Amazon Personalize 솔루션에 대한 자동 교육 소개 | 아마존 웹 서비스

아마존 개인화 솔루션에 대한 자동 교육을 발표하게 되어 기쁘게 생각합니다. 솔루션 교육은 모델의 효율성을 유지하고 권장사항이 사용자의 진화하는 행동 및 선호도에 맞게 조정되도록 하는 데 필수적입니다. 시간이 지남에 따라 데이터 패턴과 추세가 변화함에 따라 최신 관련 데이터로 솔루션을 재교육하면 모델이 학습하고 적응할 수 있어 예측 정확도가 향상됩니다. 자동 교육은 새로운 솔루션 버전을 생성하여 모델 드리프트를 완화하고 최신 항목을 포함하는 동시에 최종 사용자의 현재 행동에 맞는 권장 사항을 유지합니다. 궁극적으로 자동 교육은 변화하는 선호도에 맞춰 더욱 개인화되고 매력적인 경험을 제공합니다.

Amazon Personalize는 기계 학습(ML)을 통해 디지털 혁신을 가속화하여 개인화된 추천을 기존 웹 사이트, 애플리케이션, 이메일 마케팅 시스템 등에 쉽게 통합할 수 있도록 해줍니다. Amazon Personalize를 사용하면 개발자가 ML 전문 지식 없이도 맞춤형 개인화 엔진을 신속하게 구현할 수 있습니다. Amazon Personalize는 필요한 인프라를 프로비저닝하고 데이터 처리, 기능 식별, 적절한 알고리즘 사용, 데이터를 기반으로 사용자 정의 모델 교육, 최적화 및 호스팅을 포함하여 전체 ML 파이프라인을 관리합니다. 귀하의 모든 데이터는 비공개적이고 안전하도록 암호화됩니다.

이 게시물에서는 솔루션과 권장 사항이 정확성과 관련성을 유지할 수 있도록 자동 교육을 구성하는 과정을 안내합니다.

솔루션 개요

A 해결책 Amazon Personalize 레시피, 사용자 정의 매개변수 및 하나 이상의 솔루션 버전(훈련된 모델)의 조합을 나타냅니다. 사용자 정의 솔루션을 생성할 때 사용 사례와 일치하는 레시피를 지정하고 훈련 매개변수를 구성합니다. 이 게시물에서는 훈련 매개변수에서 자동 훈련을 구성합니다.

사전 조건

솔루션에 대한 자동 교육을 활성화하려면 먼저 Amazon Personalize 리소스를 설정해야 합니다. 시작 데이터 세트 그룹 생성, 스키마 및 데이터 세트 항목, 상호 작용 및 사용자 데이터를 나타냅니다. 지침은 다음을 참조하세요. 시작하기(콘솔) or 시작하기(AWS CLI).

데이터 가져오기를 마치면 솔루션을 만들 준비가 된 것입니다.

솔루션 만들기

자동 학습을 설정하려면 다음 단계를 완료하세요.

1. Amazon Personalize 콘솔에서 새 솔루션을 생성합니다.
2. 솔루션 이름을 지정하고, 만들려는 솔루션 유형을 선택한 다음, 레시피를 선택하세요.
3. 선택적으로 태그를 추가합니다. Amazon Personalize 리소스 태그 지정에 대한 자세한 내용은 다음을 참조하십시오. Amazon Personalize 리소스에 태그 지정.
4. 자동 학습을 사용하려면 자동 훈련 섹션에서 선택 전원을 켜십시오 훈련 빈도를 지정하세요.

자동 훈련은 기본적으로 7일마다 한 번씩 훈련하도록 활성화되어 있습니다. 비즈니스 요구 사항에 맞게 1~30일마다 한 번씩 교육 주기를 구성할 수 있습니다.

1. 레시피가 항목 추천 또는 사용자 세그먼트를 생성하는 경우 선택적으로 학습용 열 섹션에서 솔루션 버전을 교육할 때 Amazon Personalize가 고려하는 열을 선택합니다.
2. . 하이퍼파라미터 구성 섹션에 있어야 합니다., 선택적으로 레시피 및 비즈니스 요구 사항에 따라 하이퍼파라미터 옵션을 구성합니다.
3. 추가 구성을 제공한 후 선택하세요. 다음 보기.
   
4. 솔루션 세부정보를 검토하고 자동 학습이 예상대로 구성되었는지 확인하세요.
5. 왼쪽 메뉴에서 솔루션 만들기.
   

Amazon Personalize는 첫 번째 솔루션 버전을 자동으로 생성합니다. ㅏ 솔루션 버전 학습된 ML 모델을 나타냅니다. 솔루션에 대한 솔루션 버전이 생성되면 Amazon Personalize는 레시피 및 교육 구성을 기반으로 솔루션 버전을 지원하는 모델을 교육합니다. 솔루션 버전 생성이 시작되는 데 최대 1시간이 걸릴 수 있습니다.

다음은 AWS SDK를 사용하여 자동 교육이 포함된 솔루션을 생성하기 위한 샘플 코드입니다.

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'])

솔루션이 생성된 후 솔루션 세부 정보 페이지에서 자동 교육이 활성화되었는지 확인할 수 있습니다.

다음 샘플 코드를 사용하여 AWS SDK를 통해 자동 훈련이 활성화되었는지 확인할 수도 있습니다.

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

귀하의 응답에는 다음 필드가 포함됩니다. performAutoTraining 및 autoTrainingConfig, 에서 설정한 값을 표시합니다. CreateSolution 요구.

솔루션 세부 정보 페이지에는 자동으로 생성된 솔루션 버전도 표시됩니다. 그만큼 훈련 유형 열은 솔루션 버전이 수동으로 생성되었는지 자동으로 생성되었는지 여부를 지정합니다.

다음 샘플 코드를 사용하여 지정된 솔루션에 대한 솔루션 버전 목록을 반환할 수도 있습니다.

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

귀하의 응답에는 다음 필드가 포함됩니다. trainingType, 솔루션 버전이 수동으로 생성되었는지 자동으로 생성되었는지 지정합니다.

솔루션 버전이 준비되면 다음을 수행할 수 있습니다. 캠페인 작성 귀하의 솔루션 버전에 대해.

캠페인 만들기

A 운동 솔루션 버전(학습된 모델)을 배포하여 실시간 권장 사항을 생성합니다. Amazon Personalize를 사용하면 워크플로를 간소화하고 자동 동기화를 통해 최신 솔루션 버전을 캠페인에 배포하는 작업을 자동화할 수 있습니다. 자동 동기화를 설정하려면 다음 단계를 완료하세요.

1. Amazon Personalize 콘솔에서 새 캠페인을 생성합니다.
2. 캠페인 이름을 지정합니다.
3. 방금 만든 솔루션을 선택합니다.
4. 선택 최신 솔루션 버전 자동 사용.
5. 설정 초당 최소 프로비저닝된 트랜잭션.
   
6. 캠페인을 만드세요.

상태가 다음과 같으면 캠페인이 준비된 것입니다. ACTIVE.

다음은 캠페인을 생성하기 위한 샘플 코드입니다. syncWithLatestSolutionVersion 로 설정 true AWS SDK를 사용합니다. 접미사도 추가해야 합니다. $LATEST ~로 solutionArn in solutionVersionArn 설정할 때 syncWithLatestSolutionVersion 에 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)

캠페인 세부정보 페이지에서 선택한 캠페인에 자동 동기화가 활성화되어 있는지 확인할 수 있습니다. 활성화되면 자동으로 생성되었거나 수동으로 생성되었는지 여부에 관계없이 캠페인이 최신 솔루션 버전을 사용하도록 자동으로 업데이트됩니다.

다음 샘플 코드를 사용하여 AWS SDK를 통해 다음을 확인하세요. syncWithLatestSolutionVersion 사용 가능:

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

귀하의 응답에는 다음 필드가 포함됩니다. syncWithLatestSolutionVersion 아래에 campaignConfig, 에서 설정한 값을 표시합니다. CreateCampaign 요구.

캠페인을 업데이트하여 캠페인이 생성된 후 Amazon Personalize 콘솔에서 최신 솔루션 버전을 자동으로 사용하는 옵션을 활성화하거나 비활성화할 수 있습니다. 마찬가지로 활성화 또는 비활성화할 수 있습니다. syncWithLatestSolutionVersion 과 UpdateCampaign AWS SDK를 사용합니다.

결론

자동 교육을 사용하면 워크플로를 간소화하고 Amazon Personalize에서 최신 솔루션 버전 배포를 자동화하여 모델 드리프트를 완화하고 추천 관련성을 유지할 수 있습니다.

Amazon Personalize를 통한 사용자 경험 최적화에 대한 자세한 내용은 다음을 참조하십시오. Amazon Personalize 개발자 가이드.

저자 소개

바카리 존슨 Amazon Personalize 팀에서 AWS AI/ML을 담당하는 수석 기술 제품 관리자입니다. 컴퓨터 과학 및 전략에 대한 배경 지식을 갖고 있는 그녀는 제품 혁신에 열정을 갖고 있습니다. 여가 시간에는 여행과 멋진 야외 활동을 즐깁니다.

아제이 벤카타크리슈난 Amazon Personalize 팀의 소프트웨어 개발 엔지니어입니다. 여가 시간에는 글쓰기와 축구를 즐깁니다.

프라네시 아누바브 Amazon Personalize의 수석 소프트웨어 엔지니어입니다. 그는 대규모 고객에게 서비스를 제공하기 위한 기계 학습 시스템을 설계하는 데 열정을 갖고 있습니다. 업무 외에 그는 축구를 좋아하며 레알 마드리드의 열렬한 추종자입니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/