Requisitos previos para los ejercicios de introducción

1. Configure permisos para que Amazon Personalize pueda acceder a sus recursos en su nombre. Esto implica crear un rol de servicio para Amazon Personalize y concederle acceso a los recursos de Amazon Personalize con una IAM política. Para obtener más información, consulte Concesión de permiso a Amazon Personalize para que acceda a sus recursos.

2. Prepare los datos de entrenamiento y súbalos en su bucket de Amazon S3:

   • Para ver tutoriales sobre grupos de conjuntos de datos de dominios, consulte Creación de los datos de entrenamiento (grupo de conjuntos de datos de dominio).

   • Para ver tutoriales sobre grupos de conjuntos de datos personalizados, consulte Creación de los datos de entrenamiento (grupo de conjuntos de datos personalizado).

3. Conceda permiso a su rol de servicio de Amazon Personalize para acceder a sus recursos de Amazon S3, tal y como se especifica en Concesión de acceso a Amazon Personalize para los recursos de Amazon S3.

Para crear los datos de entrenamiento

1. Descarga y descomprime el archivo zip de clasificación de películas, ml-latest-small.zip, de las categorías MovieLensmenos recomendadas para la educación y el desarrollo (F. Maxwell Harper y Joseph A. Konstan. 2015). Los MovieLens conjuntos de datos: historia y contexto. ACMTransacciones en sistemas inteligentes interactivos (TII) 5, 4:19:1 — 19:19. https://doi.org/10.1145/2827872).

2. Abra el archivo ratings.csv. Este archivo contiene los datos de interacciones para este tutorial.

   1. Elimine la columna calificación.

   2. Cambie el nombre de las columnas userId y movieId a USER_ID y ITEM_ID respectivamente.

   3. Agregue una TYPE columna EVENT _ y establezca el valor de cada registro en. watch Si utiliza Microsoft Excel, puede establecer el EVENT _ TYPE para cada registro escribiendo watch en la primera celda de la columna y, a continuación, haciendo doble clic en la esquina inferior derecha de la celda. El encabezado debe ser el siguiente:

      USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE

      Estas columnas deben ser exactamente como se muestran para que Amazon Personalize reconozca los datos. Las primeras filas de los datos deberían tener el siguiente aspecto:

      USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE
      1,1,964982703,watch
      1,3,964981247,watch
      1,6,964982224,watch
      1,47,964983815,watch
      1,50,964982931,watch
      ....
      ....

   Guarde el archivo ratings.csv.

3. Suba ratings.csv a su bucket de Amazon S3. Para obtener más información, consulte Subida de archivos y carpetas con la función arrastrar y soltar en la Guía del usuario de Amazon Simple Storage Service.

4. Concede permiso a Amazon Personalize para leer los datos del bucket. Para obtener más información, consulte Concesión de acceso a Amazon Personalize para los recursos de Amazon S3.

1. Descarga y descomprime el archivo zip de clasificación de películas, ml-latest-small.zip, de las categorías MovieLensmenos recomendadas para la educación y el desarrollo (F. Maxwell Harper y Joseph A. Konstan. 2015). Los MovieLens conjuntos de datos: historia y contexto. ACMTransacciones en sistemas inteligentes interactivos (TII) 5, 4:19:1 — 19:19. https://doi.org/10.1145/2827872).

2. Abra el archivo ratings.csv. Este archivo contiene los datos de interacciones para este tutorial.

   1. Elimine la columna calificación.

   2. Reemplace la fila de encabezados por la siguiente:

      USER_ID,ITEM_ID,TIMESTAMP

      Para que Amazon Personalize reconozca los datos, estos encabezados deben coincidir exactamente con los que se muestran.

   Guarde el archivo ratings.csv.

3. Suba ratings.csv a su bucket de Amazon S3. Para obtener más información, consulte Subida de archivos y carpetas con la función arrastrar y soltar en la Guía del usuario de Amazon Simple Storage Service.

4. Concede permiso a Amazon Personalize para leer los datos del bucket. Para obtener más información, consulte Concesión de acceso a Amazon Personalize para los recursos de Amazon S3.