Introductie van automatische training voor oplossingen in Amazon Personalize | Amazon-webservices

Amazon personaliseren is verheugd om automatische training voor oplossingen aan te kondigen. Oplossingstraining is van fundamenteel belang om de effectiviteit van een model te behouden en ervoor te zorgen dat aanbevelingen aansluiten bij het evoluerende gedrag en de voorkeuren van gebruikers. Naarmate gegevenspatronen en trends in de loop van de tijd veranderen, zorgt het opnieuw trainen van de oplossing met de nieuwste relevante gegevens ervoor dat het model kan leren en zich kan aanpassen, waardoor de voorspellende nauwkeurigheid wordt vergroot. Automatische training genereert een nieuwe oplossingsversie, waardoor modeldrift wordt tegengegaan en aanbevelingen relevant en afgestemd blijven op het huidige gedrag van eindgebruikers, terwijl de nieuwste items worden toegevoegd. Uiteindelijk zorgt automatische training voor een meer persoonlijke en boeiende ervaring die zich aanpast aan veranderende voorkeuren.

Amazon Personalize versnelt uw digitale transformatie met machine learning (ML), waardoor u moeiteloos gepersonaliseerde aanbevelingen kunt integreren in bestaande websites, applicaties, e-mailmarketingsystemen en meer. Met Amazon Personalize kunnen ontwikkelaars snel een aangepaste personalisatie-engine implementeren, zonder dat ML-expertise vereist is. Amazon Personalize zorgt voor de noodzakelijke infrastructuur en beheert de gehele ML-pijplijn, inclusief het verwerken van de gegevens, het identificeren van functies, het gebruik van de juiste algoritmen en het trainen, optimaliseren en hosten van de aangepaste modellen op basis van uw gegevens. Al uw gegevens zijn gecodeerd om privé en veilig te zijn.

In dit bericht begeleiden we u bij het configureren van automatische training, zodat uw oplossingen en aanbevelingen hun nauwkeurigheid en relevantie behouden.

Overzicht oplossingen

A oplossing verwijst naar de combinatie van een Amazon Personalize-recept, aangepaste parameters en een of meer oplossingsversies (getrainde modellen). Wanneer u een oplossing op maat maakt, specificeert u een recept dat overeenkomt met uw gebruiksscenario en configureert u trainingsparameters. Voor dit bericht configureert u automatische training in de trainingsparameters.

Voorwaarden

Om automatische training voor uw oplossingen mogelijk te maken, moet u eerst Amazon Personalize-bronnen instellen. Start op een gegevenssetgroep maken, schema's, en datasets die uw items, interacties en gebruikersgegevens vertegenwoordigt. Voor instructies, zie Aan de slag (console) or Aan de slag (AWS CLI).

Nadat u klaar bent met het importeren van uw gegevens, bent u klaar om een ​​oplossing te creëren.

Maak een oplossing

Voer de volgende stappen uit om automatische training in te stellen:

1. Maak op de Amazon Personalize-console een nieuwe oplossing.
2. Geef een naam op voor uw oplossing, kies het type oplossing dat u wilt maken en kies uw recept.
3. Voeg eventueel tags toe. Voor meer informatie over het taggen van Amazon Personalize-bronnen, zie Amazon Personaliseer bronnen taggen.
4. Om automatische training te gebruiken, in de Automatisch trainen sectie, selecteer Turn on en specificeer uw trainingsfrequentie.

Automatische training is standaard ingeschakeld om één keer per 7 dagen te trainen. U kunt de trainingsfrequentie configureren om aan uw zakelijke behoeften te voldoen, variërend van één keer per 1 tot 30 dagen.

1. Als uw recept artikelaanbevelingen of gebruikerssegmenten genereert, kunt u optioneel de Kolommen voor training sectie om de kolommen te kiezen waarmee Amazon Personalize rekening houdt bij het trainen van oplossingsversies.
2. In het Hyperparameterconfiguratie sectie, configureer optioneel eventuele hyperparameteropties op basis van uw recept en zakelijke behoeften.
3. Geef eventuele aanvullende configuraties op en kies vervolgens Volgende.
   
4. Bekijk de oplossingsdetails en bevestig dat uw automatische training is geconfigureerd zoals verwacht.
5. Kies Maak een oplossing.
   

Amazon Personalize maakt automatisch uw eerste oplossingsversie. A oplossing versie verwijst naar een getraind ML-model. Wanneer er een oplossingsversie voor de oplossing wordt gemaakt, traint Amazon Personalize het model ter ondersteuning van de oplossingsversie op basis van het recept en de trainingsconfiguratie. Het kan maximaal één uur duren voordat het maken van de oplossingsversie begint.

Het volgende is voorbeeldcode voor het maken van een oplossing met automatische training met behulp van de 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'])

Nadat een oplossing is gemaakt, kunt u op de pagina met oplossingsdetails bevestigen of automatische training is ingeschakeld.

U kunt ook de volgende voorbeeldcode gebruiken om via de AWS SDK te bevestigen dat automatische training is ingeschakeld:

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

Uw antwoord bevat de velden performAutoTraining en autoTrainingConfig, waarbij de waarden worden weergegeven die u hebt ingesteld in het CreateSolution noemen.

Op de pagina met oplossingsdetails ziet u ook de oplossingsversies die automatisch worden gemaakt. De Trainingstype kolom geeft aan of de oplossingsversie handmatig of automatisch is gemaakt.

U kunt ook de volgende voorbeeldcode gebruiken om een ​​lijst met oplossingsversies voor de gegeven oplossing te retourneren:

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

Uw antwoord bevat het veld trainingType, waarmee wordt aangegeven of de oplossingsversie handmatig of automatisch is gemaakt.

Wanneer uw oplossingsversie gereed is, kunt u dat doen maak een campagne voor uw oplossingsversie.

Maak een campagne

A campagne implementeert een oplossingsversie (getraind model) om realtime aanbevelingen te genereren. Met Amazon Personalize kunt u uw workflow stroomlijnen en de implementatie van de nieuwste oplossingsversie voor campagnes automatiseren via automatische synchronisatie. Voer de volgende stappen uit om automatische synchronisatie in te stellen:

1. Maak een nieuwe campagne op de Amazon Personalize-console.
2. Geef een naam op voor uw campagne.
3. Kies de oplossing die u zojuist hebt gemaakt.
4. kies Gebruik automatisch de nieuwste versie van de oplossing.
5. Kies het minimaal ingerichte transacties per seconde.
   
6. Maak uw campagne.

De campagne is klaar als de status ervan is ACTIVE.

Het volgende is voorbeeldcode voor het maken van een campagne met syncWithLatestSolutionVersion ingesteld op true met behulp van de AWS SDK. U moet ook het achtervoegsel toevoegen $LATEST aan de solutionArn in solutionVersionArn wanneer u instelt syncWithLatestSolutionVersion naar 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)

Op de pagina met campagnedetails kunt u zien of voor de geselecteerde campagne automatische synchronisatie is ingeschakeld. Indien ingeschakeld, wordt uw campagne automatisch bijgewerkt om de meest recente versie van de oplossing te gebruiken, ongeacht of deze automatisch of handmatig is gemaakt.

Gebruik de volgende voorbeeldcode om dat via de AWS SDK te bevestigen syncWithLatestSolutionVersion is ingeschakeld:

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

Uw antwoord bevat het veld syncWithLatestSolutionVersion voor campaignConfig, waarbij de waarde wordt weergegeven die u hebt ingesteld in het CreateCampaign noemen.

U kunt de optie in- of uitschakelen om automatisch de nieuwste oplossingsversie op de Amazon Personalize-console te gebruiken nadat een campagne is gemaakt door uw campagne bij te werken. Op dezelfde manier kunt u in- of uitschakelen syncWithLatestSolutionVersion Met UpdateCampaign met behulp van de AWS SDK.

Conclusie

Met automatische training kunt u modeldrift tegengaan en de relevantie van aanbevelingen behouden door uw workflow te stroomlijnen en de implementatie van de nieuwste oplossingsversie in Amazon Personalize te automatiseren.

Voor meer informatie over het optimaliseren van uw gebruikerservaring met Amazon Personalize, zie de Amazon Personaliseer ontwikkelaarsgids.

Over de auteurs

Ba'Carri Johnson is een Sr. Technical Product Manager die met AWS AI/ML werkt in het Amazon Personalize-team. Met een achtergrond in computerwetenschappen en strategie heeft ze een passie voor productinnovatie. In haar vrije tijd houdt ze van reizen en het verkennen van de natuur.

Ajay Venkatakrishnan is een Software Development Engineer bij het Amazon Personalize-team. In zijn vrije tijd houdt hij van schrijven en voetballen.

Pranesh Anubhav is een Senior Software Engineer voor Amazon Personalize. Hij heeft een passie voor het ontwerpen van machine learning-systemen om klanten op grote schaal te bedienen. Buiten zijn werk houdt hij van voetbal en is hij een fervent aanhanger van Real Madrid.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/