بغیر کوڈ PlatoBlockchain Data Intelligence کے Amazon Personalize کا استعمال کرتے ہوئے ایک بیچ کی سفارشاتی پائپ لائن بنائیں۔ عمودی تلاش۔ عی

بغیر کوڈ کے Amazon Personalize کا استعمال کرتے ہوئے بیچ کی سفارشاتی پائپ لائن بنائیں

ٹائم سٹیمپ: 30 اگست 2022 11:39 AM

ذاتی نوعیت کے مواد کے ساتھ گاہک کی مشغولیت کا زیادہ امکان ہے، کاروبار مسلسل اپنے گاہک کے پروفائل اور رویے کی بنیاد پر موزوں مواد فراہم کرنے کی کوشش کرتے ہیں۔ خاص طور پر سفارشی نظام اس ترجیح کی پیشین گوئی کرنے کی کوشش کرتے ہیں کہ ایک آخری صارف کسی شے کو کیا دے گا۔ کچھ عام استعمال کے معاملات میں آن لائن ریٹیل اسٹورز پر پروڈکٹ کی سفارشات، نیوز لیٹرز کو ذاتی بنانا، میوزک پلے لسٹ کی سفارشات تیار کرنا، یا آن لائن میڈیا سروسز پر اسی طرح کے مواد کو دریافت کرنا شامل ہیں۔

تاہم، ماڈل ٹریننگ، الگورتھم کے انتخاب، اور پلیٹ فارم کے انتظام میں پیچیدگیوں کی وجہ سے ایک مؤثر سفارشی نظام بنانا مشکل ہو سکتا ہے۔ ایمیزون کو ذاتی بنائیں۔ ڈویلپرز کو مشین لرننگ (ML) مہارت کی ضرورت کے بغیر ذاتی نوعیت کی مصنوعات اور مواد کی سفارشات کے ذریعے کسٹمر کی مصروفیت کو بہتر بنانے کے قابل بناتا ہے۔ ڈویلپرز صارف کے رویے کے کیپچر کردہ ڈیٹا کا استعمال کر کے فوراً ہی صارفین کو مشغول کرنا شروع کر سکتے ہیں۔ پردے کے پیچھے، Amazon Personalize اس ڈیٹا کی جانچ کرتا ہے، اس کی شناخت کرتا ہے کہ کیا معنی خیز ہے، صحیح الگورتھم کا انتخاب کرتا ہے، ٹریننگ کرتا ہے اور ایک پرسنلائزیشن ماڈل کو بہتر بناتا ہے جو آپ کے ڈیٹا کے لیے اپنی مرضی کے مطابق ہوتا ہے، اور API اینڈ پوائنٹ کے ذریعے سفارشات فراہم کرتا ہے۔

اگرچہ حقیقی وقت میں سفارشات فراہم کرنے سے مشغولیت اور اطمینان کو بڑھانے میں مدد مل سکتی ہے، لیکن بعض اوقات اس کی درحقیقت ضرورت نہیں پڑتی ہے، اور اس کو ایک طے شدہ بنیاد پر بیچ میں انجام دینا ایک زیادہ سرمایہ کاری مؤثر اور قابل انتظام آپشن ہو سکتا ہے۔

یہ پوسٹ آپ کو دکھاتی ہے کہ AWS سروسز کو نہ صرف سفارشات بنانے بلکہ بیچ کی سفارشاتی پائپ لائن کو چلانے کے لیے بھی استعمال کیا جائے۔ ہم کوڈ کی ایک لائن کے بغیر اختتام سے آخر تک حل کے ذریعے چلتے ہیں۔ ہم دو موضوعات پر تفصیل سے بات کرتے ہیں:

حل جائزہ

اس حل میں، ہم استعمال کرتے ہیں مووی لینز ڈیٹاسیٹ اس ڈیٹاسیٹ میں 86,000 صارفین کی فلموں کی 2,113 ریٹنگز شامل ہیں۔ ہم اس ڈیٹا کو استعمال کرنے کی کوشش کرتے ہیں تاکہ ان میں سے ہر ایک صارف کے لیے سفارشات تیار کی جا سکیں۔

اس بات کو یقینی بنانے کے لیے ڈیٹا کی تیاری بہت ضروری ہے کہ ہمیں کسٹمر کے رویے کا ڈیٹا اس فارمیٹ میں ملے جو Amazon Personalize کے لیے تیار ہو۔ اس پوسٹ میں بیان کردہ فن تعمیر AWS Glue کا استعمال کرتا ہے، ایک سرور لیس ڈیٹا انٹیگریشن سروس، خام ڈیٹا کو اس فارمیٹ میں تبدیل کرنے کے لیے جو Amazon Personalize کے استعمال کے لیے تیار ہے۔ یہ حل ایمیزون پرسنلائز کا استعمال کرتا ہے تاکہ بیچ کا اندازہ استعمال کرکے تمام صارفین کے لیے بیچ کی سفارشات تیار کی جا سکیں۔ اس کے بعد ہم اسٹیپ فنکشنز کا ورک فلو استعمال کرتے ہیں تاکہ خودکار ورک فلو Amazon Personalize APIs کو دوبارہ قابل دہرانے کے قابل طریقے سے کال کر کے چلایا جا سکے۔

درج ذیل خاکہ اس حل کو ظاہر کرتا ہے۔فن تعمیر کا ڈایاگرام

ہم اس حل کو درج ذیل اقدامات کے ساتھ بنائیں گے۔

  1. AWS Glue کا استعمال کرتے ہوئے ہمارے خام ڈیٹا کو تبدیل کرنے کے لیے ڈیٹا ٹرانسفارمیشن جاب بنائیں۔
  2. تبدیل شدہ ڈیٹاسیٹ کے ساتھ ایک Amazon Personalize حل بنائیں۔
  3. بیچ انفرنسز کی نسل کو ترتیب دینے کے لیے ایک سٹیپ فنکشنز ورک فلو بنائیں۔

شرائط

اس واک تھرو کے لیے آپ کو درج ذیل کی ضرورت ہے:

AWS Glue کے ساتھ خام ڈیٹا کو تبدیل کرنے کے لیے ڈیٹا ٹرانسفارمیشن جاب بنائیں

Amazon Personalize کے ساتھ، ان پٹ ڈیٹا کا ایک مخصوص اسکیما اور فائل فارمیٹ ہونا ضروری ہے۔ صارفین اور آئٹمز کے درمیان تعاملات کا ڈیٹا مخصوص کالموں کے ساتھ CSV فارمیٹ میں ہونا چاہیے، جبکہ ان صارفین کی فہرست جن کے لیے آپ سفارشات تیار کرنا چاہتے ہیں JSON فارمیٹ میں ہونا چاہیے۔ اس سیکشن میں، ہم خام ان پٹ ڈیٹا کو Amazon Personalize کے لیے مطلوبہ ڈھانچے اور فارمیٹ میں تبدیل کرنے کے لیے AWS Glue Studio کا استعمال کرتے ہیں۔

AWS Glue Studio ایک گرافیکل انٹرفیس فراہم کرتا ہے جو کہ آسانی سے تخلیق اور ایکسٹریکٹ، ٹرانسفارم، اور لوڈ (ETL) جابز کو چلانے کے لیے ڈیزائن کیا گیا ہے۔ آپ سادہ ڈریگ اینڈ ڈراپ آپریشنز کے ذریعے بصری طور پر ڈیٹا ٹرانسفارمیشن ورک بوجھ بنا سکتے ہیں۔

ہم پہلے اپنے ماخذ کا ڈیٹا تیار کرتے ہیں۔ ایمیزون سادہ اسٹوریج سروس (ایمیزون S3)، پھر ہم کوڈ کے بغیر ڈیٹا کو تبدیل کرتے ہیں۔

  1. Amazon S3 کنسول پر، تین فولڈرز کے ساتھ ایک S3 بالٹی بنائیں: خام، تبدیل شدہ، اور کیوریٹڈ۔
  2. ڈاؤن لوڈ، اتارنا مووی لینس ڈیٹاسیٹ اور uncompressed فائل user_ratingmovies-timestamp.dat کو خام فولڈر کے نیچے اپنی بالٹی میں اپ لوڈ کریں۔
  3. AWS Glue Studio کنسول پر، منتخب کریں۔ نوکریاں نیوی گیشن پین میں.
  4. منتخب کریں ایک ذریعہ اور ہدف کے ساتھ بصری، پھر منتخب کریں تخلیق کریں.
  5. پہلا نوڈ منتخب کریں جسے کہا جاتا ہے۔ ڈیٹا سورس - S3 بالٹی. یہ وہ جگہ ہے جہاں ہم اپنے ان پٹ ڈیٹا کی وضاحت کرتے ہیں۔
  6. پر ڈیٹا سورس کی خصوصیات ٹیب، منتخب کریں S3 مقام اور اپنی اپ لوڈ کردہ فائل کو براؤز کریں۔
  7. کے لئے ڈیٹا کی شکلمنتخب کریں CSV، کے لئے ڈیلیمیٹرمنتخب کریں ٹیب.
    AWS Glue Studio - S3
  8. ہم اس بات کی تصدیق کے لیے آؤٹ پٹ سکیما ٹیب کا انتخاب کر سکتے ہیں کہ سکیما نے کالموں کا صحیح اندازہ لگایا ہے۔
  9. اگر اسکیما آپ کی توقعات کے مطابق نہیں ہے، تو منتخب کریں۔ ترمیم کریں اسکیما میں ترمیم کرنے کے لیے۔
    AWS گلو اسٹوڈیو - فیلڈز

اس کے بعد، ہم Amazon Personalize کے لیے اسکیما کے تقاضوں پر عمل کرنے کے لیے اس ڈیٹا کو تبدیل کرتے ہیں۔

  1. منتخب کیجئیے ٹرانسفارم - میپنگ کا اطلاق کریں۔ نوڈ اور، پر تبدیل ٹیب، ٹارگٹ کلید اور ڈیٹا کی اقسام کو اپ ڈیٹ کریں۔
    Amazon Personalize، کم از کم، کے لیے درج ذیل ڈھانچے کی توقع کرتا ہے۔ تعاملات کا ڈیٹاسیٹ:
    • user_id (تار)
    • item_id (تار)
    • timestamp (لمبا، یونکس عہد وقت کی شکل میں)
      AWS Glue Studio - فیلڈ میپنگ

اس مثال میں، ہم ڈیٹا سیٹ میں ناقص درجہ بندی والی فلموں کو خارج کر دیتے ہیں۔

  1. ایسا کرنے کے لیے، S3 بالٹی نامی آخری نوڈ کو ہٹا دیں اور پر ایک فلٹر نوڈ شامل کریں۔ تبدیل ٹیب.
  2. میں سے انتخاب کریں شامل کریں شرط اور ڈیٹا کو فلٹر کریں جہاں ریٹنگ <3.5 ہو۔
    AWS گلو اسٹوڈیو - آؤٹ پٹ

اب ہم آؤٹ پٹ کو واپس Amazon S3 پر لکھتے ہیں۔

  1. پھیلائیں ہدف مینو اور منتخب کریں ایمیزون S3.
  2. کے لئے S3 ہدف کا مقام، نام کا فولڈر منتخب کریں۔ transformed.
  3. میں سے انتخاب کریں CSV فارمیٹ اور لاحقہ کے طور پر ٹارگٹ لوکیشن ساتھ interactions/.

اگلا، ہم ان صارفین کی فہرست تیار کرتے ہیں جن کے لیے ہم سفارشات حاصل کرنا چاہتے ہیں۔

  1. منتخب کیجئیے اپلائی میپنگ دوبارہ نوڈ، اور پھر توسیع تبدیل مینو اور منتخب کریں اپلائی میپنگ.
  2. کے علاوہ تمام فیلڈز چھوڑ دیں۔ user_id اور اس فیلڈ کا نام بدل دیں۔ userId. ایمیزون پرسنلائز توقع کرتا ہے کہ اس فیلڈ کا نام رکھا جائے گا۔ صارف کی شناخت.
  3. پھیلائیں ہدف دوبارہ مینو اور منتخب کریں۔ ایمیزون S3.
  4. اس بار، منتخب کریں JSON فارمیٹ کے طور پر، اور پھر تبدیل شدہ S3 فولڈر کا انتخاب کریں اور اس کے ساتھ لاحقہ لگائیں۔ batch_users_input/.

یہ ایک پیدا کرتا ہے JSON Amazon Personalize کے لیے ان پٹ کے بطور صارفین کی فہرست۔ ہمارے پاس اب ایک خاکہ ہونا چاہئے جو درج ذیل کی طرح نظر آئے۔

AWS Glue Studio - مکمل ورک فلو

اب ہم اپنا ٹرانسفارم کام چلانے کے لیے تیار ہیں۔

  1. IAM کنسول پر، glue-service-role نامی ایک رول بنائیں اور درج ذیل منظم پالیسیوں کو منسلک کریں:
    • AWSGlueServiceRole
    • AmazonS3FullAccess

IAM سروس رولز بنانے کے طریقے کے بارے میں مزید معلومات کے لیے، ملاحظہ کریں۔ AWS سروس کو اجازتیں تفویض کرنے کے لیے ایک کردار بنانا.

  1. اپنے AWS Glue Studio جاب پر واپس جائیں، اور منتخب کریں۔ ملازمت کی تفصیلات ٹیب.
  2. کام کا نام بطور سیٹ کریں۔ batch-personalize-input-transform-job.
  3. نئے بنائے گئے IAM کردار کا انتخاب کریں۔
  4. باقی ہر چیز کے لیے پہلے سے طے شدہ اقدار رکھیں۔
    AWS Glue Studio - ملازمت کی تفصیلات
  5. میں سے انتخاب کریں محفوظ کریں.
  6. جب آپ تیار ہوں، منتخب کریں۔ رن اور میں کام کی نگرانی کریں۔ رنز ٹیب.
  7. جب کام مکمل ہو جائے، تو Amazon S3 کنسول پر جائیں تاکہ یہ تصدیق ہو سکے کہ آپ کی آؤٹ پٹ فائل کامیابی کے ساتھ بن گئی ہے۔

اب ہم نے اپنے ڈیٹا کو فارمیٹ اور ڈھانچے میں ڈھال لیا ہے جس کی Amazon Personalize کو ضرورت ہے۔ تبدیل شدہ ڈیٹاسیٹ میں درج ذیل فیلڈز اور فارمیٹ ہونا چاہیے:

  • تعاملات کا ڈیٹاسیٹ - فیلڈز کے ساتھ CSV فارمیٹ USER_ID, ITEM_ID, TIMESTAMP
  • یوزر ان پٹ ڈیٹاسیٹ - عنصر کے ساتھ JSON فارمیٹ userId

تبدیل شدہ ڈیٹاسیٹ کے ساتھ ایمیزون پرسنلائز حل بنائیں

ہمارے تعاملات کے ڈیٹاسیٹ اور صارف کے ان پٹ ڈیٹا کے ساتھ صحیح فارمیٹ میں، اب ہم اپنا Amazon Personalize حل بنا سکتے ہیں۔ اس سیکشن میں، ہم اپنا ڈیٹا سیٹ گروپ بناتے ہیں، اپنا ڈیٹا امپورٹ کرتے ہیں، اور پھر بیچ انفرنس جاب بناتے ہیں۔ ڈیٹا سیٹ گروپ ایمیزون پرسنلائز اجزاء کے لیے وسائل کو کنٹینرز میں ترتیب دیتا ہے۔

  1. ایمیزون پرسنلائز کنسول پر، منتخب کریں۔ تخلیق کریں ڈیٹا سیٹ گروپ.
  2. کے لئے ڈومینمنتخب اپنی مرضی کے.
  3. میں سے انتخاب کریں ڈیٹاسیٹ گروپ بنائیں اور جاری رکھیں.
    ایمیزون پرسنلائز - ڈیٹاسیٹ گروپ بنائیں

اگلا، تعاملات کا ڈیٹاسیٹ بنائیں۔

  1. ڈیٹا سیٹ کا نام درج کریں اور منتخب کریں۔ نیا سکیما بنائیں.
  2. میں سے انتخاب کریں ڈیٹاسیٹ بنائیں اور جاری رکھیں.
    ایمیزون پرسنلائز - تعاملات کا ڈیٹاسیٹ بنائیں

اب ہم تعاملات کا وہ ڈیٹا درآمد کرتے ہیں جو ہم نے پہلے بنایا تھا۔

  1. اس S3 بالٹی پر جائیں جس میں ہم نے اپنا تعامل CSV ڈیٹاسیٹ بنایا تھا۔
  2. پر اجازت ٹیب میں درج ذیل بالٹی رسائی کی پالیسی شامل کریں تاکہ ایمیزون پرسنلائز کو رسائی حاصل ہو۔ اپنی بالٹی کا نام شامل کرنے کے لیے پالیسی کو اپ ڈیٹ کریں۔ 
    {
   "Version":"2012-10-17",
   "Id":"PersonalizeS3BucketAccessPolicy",
   "Statement":[
      {
         "Sid":"PersonalizeS3BucketAccessPolicy",
         "Effect":"Allow",
         "Principal":{
            "Service":"personalize.amazonaws.com"
         },
         "Action":[
            "s3:GetObject",
            "s3:ListBucket",
            "s3:PutObject"
         ],
         "Resource":[
            "arn:aws:s3:::<your-bucket-name>",
            "arn:aws:s3:::<your-bucket-name> /*"
         ]
      }
   ]
}

ایمیزون پرسنلائز پر واپس جائیں اور منتخب کریں۔ اپنا ڈیٹاسیٹ امپورٹ جاب بنائیں. ہمارے تعاملات کا ڈیٹاسیٹ اب ایمیزون پرسنلائز میں درآمد ہونا چاہیے۔ اگلے مرحلے پر جانے سے پہلے ایکٹیو اسٹیٹس کے ساتھ امپورٹ کام مکمل ہونے کا انتظار کریں۔ اس میں تقریباً 8 منٹ لگنے چاہئیں۔

  1. ایمیزون پرسنلائز کنسول پر، منتخب کریں۔ مجموعی جائزہ نیویگیشن پین میں اور منتخب کریں۔ حل بنائیں.
    ایمیزون پرسنلائز - ڈیش بورڈ
  2. حل کا نام درج کریں۔
  3. کے لئے حل کی قسم۔منتخب کریں آئٹم کی سفارش.
  4. کے لئے ہدایت، منتخب کیجئیے aws-user-personalization نسخہ۔
  5. میں سے انتخاب کریں حل بنائیں اور تربیت دیں۔.
    ایمیزون پرسنلائز - حل بنائیں

حل اب تعاملات کے ڈیٹاسیٹ کے خلاف تربیت دیتا ہے جو صارف کو ذاتی بنانے کی ترکیب کے ساتھ درآمد کیا گیا تھا۔ کے تحت اس عمل کی حیثیت کی نگرانی کریں حل کے ورژن. آگے بڑھنے سے پہلے اس کے مکمل ہونے کا انتظار کریں۔ اس میں تقریباً 20 منٹ لگنے چاہئیں۔
ایمیزون پرسنلائز - اسٹیٹس

اب ہم اپنا بیچ انفرنس جاب بناتے ہیں، جو JSON ان پٹ میں موجود ہر صارف کے لیے سفارشات تیار کرتا ہے۔

  1. نیویگیشن پین میں، نیچے حسب ضرورت وسائلمنتخب کریں بیچ کا اندازہ لگانے والی نوکریاں.
  2. نوکری کا نام درج کریں، اور اس کے لیے حل، پہلے بنائے گئے حل کا انتخاب کریں۔
  3. میں سے انتخاب کریں بیچ انفرنس جاب بنائیں.
    ایمیزون پرسنلائز - بیچ انفرنس جاب بنائیں
  4. کے لئے ان پٹ ڈیٹا کنفیگریشن، جہاں کا S3 راستہ درج کریں۔ batch_users_input فائل واقع ہے۔

یہ JSON فائل ہے جس میں شامل ہے۔ userId.

  1. کے لئے آؤٹ پٹ ڈیٹا کنفیگریشن راستہS3 میں کیوریٹڈ پاتھ کا انتخاب کریں۔
  2. میں سے انتخاب کریں بیچ انفرنس جاب بنائیں.

اس عمل میں تقریباً 30 منٹ لگتے ہیں۔ جب کام ختم ہو جاتا ہے، صارف کی ان پٹ فائل میں متعین کردہ ہر صارف کے لیے سفارشات S3 آؤٹ پٹ لوکیشن میں محفوظ ہو جاتی ہیں۔

ہم نے کامیابی کے ساتھ اپنے تمام صارفین کے لیے سفارشات کا ایک سیٹ تیار کیا ہے۔ تاہم، ہم نے ابھی تک صرف کنسول کا استعمال کرتے ہوئے حل کو نافذ کیا ہے۔ اس بات کو یقینی بنانے کے لیے کہ یہ بیچ انفرنسنگ ڈیٹا کے تازہ ترین سیٹ کے ساتھ باقاعدگی سے چلتا ہے، ہمیں آرکیسٹریشن ورک فلو بنانے کی ضرورت ہے۔ اگلے حصے میں، ہم آپ کو دکھائیں گے کہ سٹیپ فنکشنز کا استعمال کرتے ہوئے آرکیسٹریشن ورک فلو کیسے بنایا جائے۔

بیچ انفرنس ورک فلو کو آرکیسٹریٹ کرنے کے لیے ایک سٹیپ فنکشنز ورک فلو بنائیں

اپنی پائپ لائن کو آرکیسٹریٹ کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:

  1. اسٹیپ فنکشنز کنسول پر، منتخب کریں۔ ریاستی مشین بنائیں.
  2. منتخب کریں اپنے ورک فلو کو بصری طور پر ڈیزائن کریں۔، پھر منتخب کریں اگلے.
    AWS سٹیپ فنکشنز - ورک فلو بنائیں
  3. ڈریگ CreateDatasetImportJob کینوس پر بائیں طرف سے نوڈ (آپ سرچ باکس میں اس نوڈ کو تلاش کر سکتے ہیں)۔
  4. نوڈ کا انتخاب کریں، اور آپ کو دائیں طرف کنفیگریشن API پیرامیٹرز نظر آنے چاہئیں۔ اے آر این ریکارڈ کریں۔
  5. میں اپنی اپنی اقدار درج کریں۔ API پیرامیٹرز متن باکس.

یہ کال کرتا ہے۔ ڈیٹا سیٹ امپورٹ جاب بنائیں پیرامیٹر کی قدروں کے ساتھ API جو آپ بیان کرتے ہیں۔

AWS سٹیپ فنکشنز ورک فلو

  1. ڈریگ CreateSolutionVersion کینوس پر نوڈ.
  2. API کے پیرامیٹرز کو اس حل کے ARN کے ساتھ اپ ڈیٹ کریں جسے آپ نے نوٹ کیا ہے۔

یہ کال کرکے نئے درآمد شدہ ڈیٹا کے ساتھ ایک نیا حل ورژن بناتا ہے۔ تخلیق حل ورژن API.

  1. ڈریگ CreateBatchInferenceJob کینوس پر نوڈ کریں اور اسی طرح API پیرامیٹرز کو متعلقہ اقدار کے ساتھ اپ ڈیٹ کریں۔

یقینی بنائیں کہ آپ استعمال کرتے ہیں۔ $.SolutionVersionArn پچھلے مرحلے سے حل ورژن ARN پیرامیٹر کو بازیافت کرنے کے لیے نحو۔ یہ API پیرامیٹرز کو پاس کیے جاتے ہیں۔ BatchInferenceJob بنائیں API.

AWS سٹیپ فنکشنز ورک فلو

ہمیں اسٹیپ فنکشنز کے ورک فلو میں انتظار کی منطق تیار کرنے کی ضرورت ہے تاکہ یہ یقینی بنایا جا سکے کہ ورک فلو کے مکمل ہونے سے پہلے سفارشی بیچ کا اندازہ کام ختم ہو جائے۔

  1. انتظار نوڈ میں تلاش کریں اور گھسیٹیں۔
  2. کے لئے ترتیب میں انتظار کریں، 300 سیکنڈ درج کریں۔

یہ ایک صوابدیدی قدر ہے۔ آپ کو اپنے مخصوص استعمال کے کیس کے مطابق انتظار کے اس وقت کو تبدیل کرنا چاہیے۔

  1. منتخب کیجئیے CreateBatchInferenceJob دوبارہ نوڈ کریں اور پر جائیں۔ اغلاط کی درستگی ٹیب.
  2. کے لئے پکڑو غلطیاں، داخل کریں Personalize.ResourceInUseException.
  3. کے لئے فال بیک حالتمنتخب کریں انتظار کریں.

یہ مرحلہ ہمیں وقتاً فوقتاً جاب کی حیثیت کو چیک کرنے کے قابل بناتا ہے اور یہ صرف اس وقت لوپ سے باہر نکلتا ہے جب کام مکمل ہو جاتا ہے۔

  1. کے لئے نتیجہ پاتھ، داخل کریں $.errorMessage.

اس کا مؤثر طریقے سے مطلب یہ ہے کہ جب "استعمال میں وسائل" کی رعایت موصول ہوتی ہے، تو کام اسی ان پٹ کے ساتھ دوبارہ کوشش کرنے سے پہلے x سیکنڈ تک انتظار کرتا ہے۔

AWS سٹیپ فنکشنز ورک فلو

  1. میں سے انتخاب کریں محفوظ کریں، اور پھر منتخب کریں عملدرآمد شروع کریں۔.

ہم نے Amazon Personalize کے لیے اپنی بیچ کی سفارشاتی پائپ لائن کو کامیابی کے ساتھ ترتیب دیا ہے۔ ایک اختیاری قدم کے طور پر، آپ استعمال کر سکتے ہیں۔ ایمیزون ایونٹ برج اس ورک فلو کے ٹرگر کو مستقل بنیادوں پر شیڈول کرنے کے لیے۔ مزید تفصیلات کے لیے رجوع کریں۔ ایونٹ برج (کلاؤڈ واچ ایونٹس) اسٹیپ فنکشنز کے عمل درآمد کی حالت میں تبدیلیوں کے لیے.

صاف کرو

مستقبل کے چارجز سے بچنے کے لیے، ان وسائل کو حذف کریں جو آپ نے اس واک تھرو کے لیے بنائے ہیں۔

نتیجہ

اس پوسٹ میں، ہم نے دکھایا کہ AWS Glue، Amazon Personalize، اور Step Functions کے امتزاج کا استعمال کرتے ہوئے، بغیر کسی کوڈ یا ML تجربے کی ضرورت کے بیچ کی سفارشاتی پائپ لائن کیسے بنائی جائے۔ ہم نے اپنے ڈیٹا کو اس فارمیٹ میں تیار کرنے کے لیے AWS Glue کا استعمال کیا جس کی Amazon Personalize کی ضرورت ہے۔ پھر ہم نے ڈیٹا کو درآمد کرنے کے لیے Amazon Personalize کا استعمال کیا، صارف کی ذاتی نوعیت کی ترکیب کے ساتھ حل تیار کیا، اور ایک بیچ انفرنسنگ جاب بنایا جو ہر صارف کے لیے ماضی کے تعاملات کی بنیاد پر 25 سفارشات کا ڈیفالٹ تیار کرتا ہے۔ اس کے بعد ہم نے ان اقدامات کو Step Functions کا استعمال کرتے ہوئے ترتیب دیا تاکہ ہم ان ملازمتوں کو خود بخود چلا سکیں۔

اگلے مرحلے پر غور کرنے کے لیے، صارف کی تقسیم Amazon Personalize میں نئی ​​ترکیبوں میں سے ایک ہے، جسے آپ ان پٹ ڈیٹا کی ہر قطار کے لیے صارف کے حصے بنانے کے لیے دریافت کرنا چاہیں گے۔ مزید تفصیلات کے لیے رجوع کریں۔ بیچ کی سفارشات اور صارف طبقات حاصل کرنا.

مصنف کے بارے میں

میکسین وی

میکسین وی AWS ڈیٹا لیب سلوشنز آرکیٹیکٹ ہے۔ Maxine صارفین کے ساتھ ان کے استعمال کے معاملات پر کام کرتا ہے، ان کے کاروباری مسائل کو حل کرنے کے لیے حل تیار کرتا ہے، اور توسیع پذیر پروٹو ٹائپس بنانے کے ذریعے ان کی رہنمائی کرتا ہے۔ AWS کے ساتھ اپنے سفر سے پہلے، Maxine نے آسٹریلیا میں BI، ڈیٹا ویئر ہاؤسنگ، اور ڈیٹا لیک پروجیکٹس کو لاگو کرنے میں صارفین کی مدد کی۔

ٹائم اسٹیمپ:

سے زیادہ AWS مشین لرننگ