ขอแนะนำการฝึกอบรมอัตโนมัติสำหรับโซลูชันใน Amazon Personalize | อเมซอนเว็บเซอร์วิส

ปรับแต่ง Amazon รู้สึกตื่นเต้นที่จะประกาศการฝึกอบรมอัตโนมัติสำหรับโซลูชัน การฝึกอบรมด้านโซลูชันเป็นพื้นฐานในการรักษาประสิทธิภาพของแบบจำลอง และตรวจสอบให้แน่ใจว่าคำแนะนำสอดคล้องกับพฤติกรรมและความชอบที่เปลี่ยนแปลงไปของผู้ใช้ เนื่องจากรูปแบบข้อมูลและแนวโน้มเปลี่ยนแปลงไปตามกาลเวลา การฝึกอบรมโซลูชันด้วยข้อมูลที่เกี่ยวข้องล่าสุดจะช่วยให้แบบจำลองสามารถเรียนรู้และปรับเปลี่ยนได้ ซึ่งช่วยเพิ่มความแม่นยำในการคาดการณ์ การฝึกอบรมอัตโนมัติจะสร้างโซลูชันเวอร์ชันใหม่ ซึ่งช่วยลดการเคลื่อนตัวของโมเดล และรักษาคำแนะนำที่เกี่ยวข้องและปรับให้เหมาะกับพฤติกรรมปัจจุบันของผู้ใช้ปลายทาง ในขณะเดียวกันก็รวมรายการใหม่ล่าสุดไว้ด้วย ท้ายที่สุดแล้ว การฝึกอบรมอัตโนมัติจะมอบประสบการณ์ที่เป็นส่วนตัวและน่าดึงดูดยิ่งขึ้น ซึ่งปรับให้เข้ากับความชอบที่เปลี่ยนแปลงได้

Amazon Personalize เร่งการเปลี่ยนแปลงทางดิจิทัลของคุณด้วย Machine Learning (ML) ทำให้ง่ายต่อการผสานรวมคำแนะนำเฉพาะบุคคลเข้ากับเว็บไซต์ แอปพลิเคชัน ระบบการตลาดผ่านอีเมล และอื่นๆ ที่มีอยู่ได้อย่างง่ายดาย Amazon Personalize ช่วยให้นักพัฒนาสามารถใช้งานกลไกการปรับแต่งส่วนบุคคลที่ได้รับการปรับแต่งได้อย่างรวดเร็ว โดยไม่ต้องอาศัยความเชี่ยวชาญด้าน ML Amazon Personalize จัดเตรียมโครงสร้างพื้นฐานที่จำเป็นและจัดการไปป์ไลน์ ML ทั้งหมด รวมถึงการประมวลผลข้อมูล การระบุคุณสมบัติ การใช้อัลกอริธึมที่เหมาะสม และการฝึกอบรม การเพิ่มประสิทธิภาพ และการโฮสต์โมเดลที่ปรับแต่งตามข้อมูลของคุณ ข้อมูลทั้งหมดของคุณได้รับการเข้ารหัสเพื่อให้เป็นส่วนตัวและปลอดภัย

ในโพสต์นี้ เราจะแนะนำคุณตลอดกระบวนการกำหนดค่าการฝึกอัตโนมัติ เพื่อให้โซลูชันและคำแนะนำของคุณรักษาความถูกต้องและความเกี่ยวข้อง

ภาพรวมโซลูชัน

A ทางออก หมายถึงการรวมกันของสูตร Amazon Personalize พารามิเตอร์ที่ปรับแต่งเอง และเวอร์ชันโซลูชันตั้งแต่หนึ่งเวอร์ชันขึ้นไป (โมเดลที่ผ่านการฝึกอบรม) เมื่อคุณสร้างโซลูชันแบบกำหนดเอง คุณจะต้องระบุสูตรอาหารที่ตรงกับกรณีการใช้งานของคุณและกำหนดค่าพารามิเตอร์การฝึกอบรม สำหรับโพสต์นี้ คุณจะกำหนดค่าการฝึกอัตโนมัติในพารามิเตอร์การฝึก

เบื้องต้น

หากต้องการเปิดใช้งานการฝึกอบรมอัตโนมัติสำหรับโซลูชันของคุณ คุณต้องตั้งค่าทรัพยากร Amazon Personalize ก่อน เริ่มโดย การสร้างกลุ่มชุดข้อมูล, สคีมา และ ชุดข้อมูล แสดงรายการ การโต้ตอบ และข้อมูลผู้ใช้ของคุณ สำหรับคำแนะนำ โปรดดูที่ การเริ่มต้นใช้งาน (คอนโซล) or การเริ่มต้นใช้งาน (AWS CLI).

หลังจากที่คุณนำเข้าข้อมูลของคุณเสร็จแล้ว คุณก็พร้อมที่จะสร้างโซลูชัน

สร้างวิธีแก้ปัญหา

หากต้องการตั้งค่าการฝึกอัตโนมัติ ให้ทำตามขั้นตอนต่อไปนี้:

1. บนคอนโซล Amazon Personalize ให้สร้างโซลูชันใหม่
2. ระบุชื่อโซลูชันของคุณ เลือกประเภทของโซลูชันที่คุณต้องการสร้าง และเลือกสูตรอาหารของคุณ
3. คุณสามารถเลือกเพิ่มแท็กใดก็ได้ สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการแท็กทรัพยากร Amazon Personalize โปรดดูที่ การแท็กทรัพยากร Amazon Personalize.
4. หากต้องการใช้การฝึกแบบอัตโนมัติใน การฝึกอบรมอัตโนมัติ เลือก เปิดสวิตช์ และระบุความถี่ในการฝึกของคุณ

การฝึกอัตโนมัติจะเปิดใช้งานตามค่าเริ่มต้นเพื่อฝึกหนึ่งครั้งทุกๆ 7 วัน คุณสามารถกำหนดค่าจังหวะการฝึกอบรมให้เหมาะกับความต้องการทางธุรกิจของคุณได้ ตั้งแต่หนึ่งครั้งทุกๆ 1–30 วัน

1. หากสูตรอาหารของคุณสร้างคำแนะนำรายการหรือกลุ่มผู้ใช้ เลือกใช้ คอลัมน์สำหรับการฝึกอบรม เพื่อเลือกคอลัมน์ที่ Amazon Personalize พิจารณาเมื่อฝึกอบรมเวอร์ชันโซลูชัน
2. ตัว Vortex Indicator ได้ถูกนำเสนอลงในนิตยสาร การกำหนดค่าไฮเปอร์พารามิเตอร์ ส่วนคุณสามารถเลือกกำหนดค่าตัวเลือกไฮเปอร์พารามิเตอร์ตามสูตรและความต้องการทางธุรกิจของคุณได้
3. ระบุการกำหนดค่าเพิ่มเติม จากนั้นเลือก ถัดไป.
   
4. ตรวจสอบรายละเอียดโซลูชันและยืนยันว่าการฝึกอัตโนมัติของคุณได้รับการกำหนดค่าตามที่คาดไว้
5. Choose สร้างโซลูชัน.
   

Amazon Personalize จะสร้างโซลูชันเวอร์ชันแรกของคุณโดยอัตโนมัติ ก รุ่นโซลูชัน หมายถึงโมเดล ML ที่ได้รับการฝึกอบรม เมื่อมีการสร้างเวอร์ชันโซลูชันสำหรับโซลูชัน Amazon Personalize จะฝึกโมเดลที่สนับสนุนเวอร์ชันโซลูชันตามสูตรและการกำหนดค่าการฝึก อาจใช้เวลาถึง 1 ชั่วโมงในการเริ่มต้นการสร้างเวอร์ชันโซลูชัน

ต่อไปนี้เป็นโค้ดตัวอย่างสำหรับการสร้างโซลูชันพร้อมการฝึกอบรมอัตโนมัติโดยใช้ 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'])

หลังจากสร้างโซลูชันแล้ว คุณสามารถยืนยันได้ว่ามีการเปิดใช้งานการฝึกอบรมอัตโนมัติหรือไม่ในหน้ารายละเอียดโซลูชัน

คุณยังสามารถใช้โค้ดตัวอย่างต่อไปนี้เพื่อยืนยันผ่าน AWS SDK ว่าเปิดใช้งานการฝึกอัตโนมัติแล้ว:

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

คำตอบของคุณจะมีฟิลด์ต่างๆ performAutoTraining และ autoTrainingConfigโดยแสดงค่าที่คุณตั้งไว้ใน CreateSolution โทร.

บนหน้ารายละเอียดโซลูชัน คุณจะเห็นเวอร์ชันของโซลูชันที่สร้างขึ้นโดยอัตโนมัติ ที่ ประเภทการฝึกอบรม คอลัมน์ระบุว่าเวอร์ชันของโซลูชันถูกสร้างขึ้นด้วยตนเองหรือโดยอัตโนมัติ

คุณยังสามารถใช้โค้ดตัวอย่างต่อไปนี้เพื่อส่งคืนรายการเวอร์ชันโซลูชันสำหรับโซลูชันที่ระบุ:

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

คำตอบของคุณจะมีฟิลด์ trainingTypeซึ่งระบุว่าเวอร์ชันของโซลูชันถูกสร้างขึ้นด้วยตนเองหรือโดยอัตโนมัติ

เมื่อเวอร์ชันโซลูชันของคุณพร้อม คุณก็สามารถทำได้ สร้างแคมเปญ สำหรับเวอร์ชันโซลูชันของคุณ

สร้างแคมเปญ

A รณรงค์ ปรับใช้เวอร์ชันโซลูชัน (โมเดลที่ผ่านการฝึกอบรม) เพื่อสร้างคำแนะนำแบบเรียลไทม์ ด้วย Amazon Personalize คุณสามารถปรับปรุงขั้นตอนการทำงานของคุณและปรับใช้เวอร์ชันโซลูชันล่าสุดกับแคมเปญได้โดยอัตโนมัติผ่านการซิงค์อัตโนมัติ หากต้องการตั้งค่าการซิงค์อัตโนมัติ ให้ทำตามขั้นตอนต่อไปนี้:

1. บนคอนโซล Amazon Personalize ให้สร้างแคมเปญใหม่
2. ระบุชื่อสำหรับแคมเปญของคุณ
3. เลือกโซลูชันที่คุณเพิ่งสร้างขึ้น
4. เลือก ใช้โซลูชันเวอร์ชันล่าสุดโดยอัตโนมัติ.
5. ตั้ง ธุรกรรมที่จัดเตรียมขั้นต่ำต่อวินาที.
   
6. สร้างแคมเปญของคุณ

แคมเปญจะพร้อมเมื่อมีสถานะเป็น ACTIVE.

ต่อไปนี้เป็นโค้ดตัวอย่างสำหรับการสร้างแคมเปญด้วย syncWithLatestSolutionVersion ตั้งค่าให้ true โดยใช้ AWS SDK คุณต้องผนวกส่วนต่อท้ายด้วย $LATEST ไป solutionArn in solutionVersionArn เมื่อคุณตั้งค่า syncWithLatestSolutionVersion ไปยัง 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)

ในหน้ารายละเอียดแคมเปญ คุณสามารถดูได้ว่าแคมเปญที่เลือกเปิดใช้งานการซิงค์อัตโนมัติหรือไม่ เมื่อเปิดใช้งาน แคมเปญของคุณจะอัปเดตโดยอัตโนมัติเพื่อใช้เวอร์ชันโซลูชันล่าสุด ไม่ว่าจะสร้างขึ้นโดยอัตโนมัติหรือด้วยตนเอง

ใช้โค้ดตัวอย่างต่อไปนี้เพื่อยืนยันผ่าน AWS SDK ว่า syncWithLatestSolutionVersion เปิดใช้งาน:

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

คำตอบของคุณจะมีฟิลด์ syncWithLatestSolutionVersion ภายใต้ campaignConfigโดยแสดงค่าที่คุณตั้งไว้ใน CreateCampaign โทร.

คุณสามารถเปิดหรือปิดใช้งานตัวเลือกเพื่อใช้โซลูชันเวอร์ชันล่าสุดโดยอัตโนมัติบนคอนโซล Amazon Personalize หลังจากสร้างแคมเปญโดยการอัปเดตแคมเปญของคุณ ในทำนองเดียวกัน คุณสามารถเปิดหรือปิดใช้งานได้ syncWithLatestSolutionVersion กับ UpdateCampaign โดยใช้ AWS SDK

สรุป

ด้วยการฝึกอบรมอัตโนมัติ คุณสามารถลดการเคลื่อนตัวของโมเดลและรักษาความเกี่ยวข้องของคำแนะนำโดยปรับปรุงขั้นตอนการทำงานของคุณและทำให้การใช้งานเวอร์ชันโซลูชันล่าสุดใน Amazon Personalize เป็นแบบอัตโนมัติ

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเพิ่มประสิทธิภาพประสบการณ์ผู้ใช้ของคุณด้วย Amazon Personalize โปรดดูที่ คู่มือ Amazon Personalize Developer.

เกี่ยวกับผู้แต่ง

บาคารี จอห์นสัน เป็นผู้จัดการผลิตภัณฑ์ด้านเทคนิคอาวุโสที่ทำงานร่วมกับ AWS AI/ML ในทีม Amazon Personalize ด้วยพื้นฐานด้านวิทยาการคอมพิวเตอร์และกลยุทธ์ เธอมีความหลงใหลในนวัตกรรมผลิตภัณฑ์ ในเวลาว่าง เธอชอบการเดินทางและสำรวจกิจกรรมกลางแจ้งที่ยอดเยี่ยม

อาเจย์ เวนกัตกฤษนัน เป็นวิศวกรพัฒนาซอฟต์แวร์ในทีม Amazon Personalize ในเวลาว่าง เขาสนุกกับการเขียนและเล่นฟุตบอล

ปราเนช อนุภาว เป็นวิศวกรซอฟต์แวร์อาวุโสของ Amazon Personalize เขาหลงใหลในการออกแบบระบบแมชชีนเลิร์นนิงเพื่อให้บริการลูกค้าในวงกว้าง นอกเหนือจากงานของเขา เขาชอบเล่นฟุตบอลและเป็นผู้ติดตามเรอัลมาดริดตัวยง

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://aws.amazon.com/blogs/machine-learning/introducing-automatic-training-for-solutions-in-amazon-personalize/