Memulai (AWS CLI)

Buat grup dataset dengan menjalankan perintah berikut. Anda dapat mengenkripsi grup kumpulan data dengan meneruskan AWS Key Management Servicekunci ARN dan IAM peran ARN yang memiliki izin akses ke kunci tersebut sebagai parameter input. Untuk informasi lebih lanjut tentangAPI, lihatCreateDatasetGroup.

aws personalize create-dataset-group --name MovieRatingDatasetGroup --kms-key-arn arn:aws:kms:us-west-2:01234567890:key/1682a1e7-a94d-4d92-bbdf-837d3b62315e --role-arn arn:aws:iam::01234567890:KMS-key-access

Grup dataset ARN ditampilkan, misalnya:

{
  "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup"
}

Gunakan describe-dataset-group perintah untuk menampilkan grup kumpulan data yang Anda buat, menentukan grup kumpulan data yang dikembalikan. ARN

aws personalize describe-dataset-group \
--dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup

Grup dataset dan propertinya ditampilkan, misalnya:

{
    "datasetGroup": {
        "name": "MovieRatingDatasetGroup",
        "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
        "status": "ACTIVE",
        "creationDateTime": 1542392161.262,
        "lastUpdatedDateTime": 1542396513.377
    }
}

Jika Anda tidak ingat grup kumpulan dataARN, gunakan list-dataset-groups perintah untuk menampilkan semua grup kumpulan data yang Anda buat, bersama dengan grup tersebut. ARNs

aws personalize list-dataset-groups

Buat file skema dalam JSON format dengan menyimpan kode berikut ke file bernamaMovieRatingSchema.json. Skema cocok dengan header yang sebelumnya Anda tambahkan. ratings.csv Nama skema adalahInteractions, yang cocok dengan salah satu jenis kumpulan data yang dikenali oleh Amazon Personalize. Untuk informasi selengkapnya, lihat Membuat JSON file skema untuk skema Amazon Personalize.

{
  "type": "record",
  "name": "Interactions",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
      {
          "name": "USER_ID",
          "type": "string"
      },
      {
          "name": "ITEM_ID",
          "type": "string"
      },
      {
          "name": "TIMESTAMP",
          "type": "long"
      }
  ],
  "version": "1.0"
}

Buat skema dengan menjalankan perintah berikut. Tentukan file yang Anda simpan di langkah sebelumnya. Contoh menunjukkan file sebagai milik folder saat ini. Untuk informasi lebih lanjut tentangAPI, lihatCreateSchema.

aws personalize create-schema \
  --name MovieRatingSchema \
  --schema file://MovieRatingSchema.json

Skema Amazon Resource Name (ARN) ditampilkan, misalnya:

{
  "schemaArn": "arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema"
}

Buat dataset kosong dengan menjalankan perintah berikut. Berikan grup kumpulan data ARN dan skema ARN yang dikembalikan pada langkah sebelumnya. dataset-typeHarus cocok dengan skema name dari langkah sebelumnya. Untuk informasi lebih lanjut tentangAPI, lihatCreateDataset.

aws personalize create-dataset \
  --name MovieRatingDataset \
  --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
  --dataset-type Interactions \
  --schema-arn arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema

Dataset ARN ditampilkan, misalnya:

{
  "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS"
}

Tambahkan data pelatihan ke kumpulan data.

1. Buat pekerjaan impor dataset dengan menjalankan perintah berikut. Berikan kumpulan data ARN dan nama bucket Amazon S3 yang dikembalikan pada langkah sebelumnya. Berikan peran AWS Identity and Access Management (IAM) yang ARN Anda buatMembuat IAM peran untuk Amazon Personalize. Untuk informasi lebih lanjut tentangAPI, lihatCreateDatasetImportJob.

   aws personalize create-dataset-import-job \
     --job-name MovieRatingImportJob \
     --dataset-arn arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS \
     --data-source dataLocation=s3://amzn-s3-demo-bucket/ratings.csv \
     --role-arn roleArn

   Pekerjaan impor dataset ARN ditampilkan, misalnya:

   {
     "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob"
   }

2. Periksa status dengan menggunakan describe-dataset-import-job perintah. Berikan pekerjaan impor dataset ARN yang dikembalikan pada langkah sebelumnya. Untuk informasi lebih lanjut tentangAPI, lihatDescribeDatasetImportJob.

   aws personalize describe-dataset-import-job \
     --dataset-import-job-arn arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob

   Properti pekerjaan impor dataset, termasuk statusnya, ditampilkan. Awalnya, status pertunjukan sebagai CREATEPENDING, misalnya:

   {
     "datasetImportJob": {
         "jobName": "MovieRatingImportJob",
         "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob",
         "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS",
         "dataSource": {
             "dataLocation": "s3://amzn-s3-demo-bucket/ratings.csv"
         },
         "roleArn": "role-arn",
         "status": "CREATE PENDING",
         "creationDateTime": 1542392161.837,
         "lastUpdatedDateTime": 1542393013.377
     }
   }

   Impor dataset selesai ketika status ditampilkan sebagaiACTIVE. Kemudian Anda siap untuk melatih model menggunakan dataset yang ditentukan.

   catatan

   Mengimpor membutuhkan waktu. Tunggu hingga impor dataset selesai sebelum melatih model menggunakan dataset.

Buat konfigurasi untuk melatih model dengan menjalankan perintah berikut. Perintah ini menciptakan solusi yang menggunakan pelatihan otomatis. Secara otomatis membuat versi solusi baru setiap tujuh hari (default).

aws personalize create-solution \
  --name MovieSolution \
  --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
  --recipe-arn arn:aws:personalize:::recipe/aws-user-personalization-v2 \ 
  --perform-auto-training \
  --solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(7 days)\"}}"

ARNSolusinya ditampilkan, misalnya:

{
  "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution"
}

Periksa status buat menggunakan describe-solution perintah. Berikan solusi ARN yang dikembalikan pada langkah sebelumnya. Untuk informasi lebih lanjut tentangAPI, lihatDescribeSolution.

aws personalize describe-solution \
  --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution

Sifat-sifat solusi dan status pembuatan ditampilkan. Sebagai contoh:

{      
  "solution": {
      "name": "MovieSolution",
      "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution",
      "performHPO": false,
      "performAutoML": false,
      "recipeArn": "arn:aws:personalize:::recipe/aws-user-personalization-v2",
      "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
      "solutionConfig": {
            "algorithmHyperParameters": {
                "apply_recency_bias": "true"
            },
            "featureTransformationParameters": {},
            "autoTrainingConfig": {
                "schedulingExpression": "rate(7 days)"
            }
       },
      "status": "ACTIVE",
      "creationDateTime": "2021-05-12T16:27:59.819000-07:00",
      "lastUpdatedDateTime": "2021-05-12T16:27:59.819000-07:00"
  }
}

Dengan pelatihan otomatis, pelatihan versi solusi dimulai dalam satu setelah solusinyaACTIVE. Setelah pelatihan dimulai, Anda bisa mendapatkan Amazon Resource Name (ARN) versi solusi dengan ListSolutionVersionsperintah berikut:

aws personalize list-solution-versions --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution

Periksa status pelatihan versi solusi dengan menggunakan describe-solution-version perintah. Berikan versi solusi ARN yang dikembalikan pada langkah sebelumnya. Untuk informasi lebih lanjut tentangAPI, lihatDescribeSolutionVersion.

aws personalize describe-solution-version \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id

Properti versi solusi dan pelatihan status ditampilkan. Awalnya, status ditampilkan sebagai CREATEPENDING, misalnya:

{
  "solutionVersion": {
      "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>",
      ...,
      "status": "CREATE PENDING"
  }
}

Ketika versi status solusinyaACTIVE, pelatihan selesai.

Sekarang Anda dapat meninjau metrik pelatihan dan membuat kampanye menggunakan versi solusi.

Anda dapat memvalidasi kinerja versi solusi dengan meninjau metriknya. Dapatkan metrik untuk versi solusi dengan menjalankan perintah berikut. Berikan versi solusi ARN yang dikembalikan sebelumnya. Untuk informasi lebih lanjut tentangAPI, lihatGetSolutionMetrics.

aws personalize get-solution-metrics \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id

Respons sampel ditampilkan:

{
  "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/www-solution/<version-id>",
  "metrics": {
        "coverage": 0.0485,
        "mean_reciprocal_rank_at_25": 0.0381,
        "normalized_discounted_cumulative_gain_at_10": 0.0363,
        "normalized_discounted_cumulative_gain_at_25": 0.0984,
        "normalized_discounted_cumulative_gain_at_5": 0.0175,
        "precision_at_10": 0.0107,
        "precision_at_25": 0.0207,
        "precision_at_5": 0.0107
    }
}

Buat kampanye dengan menjalankan perintah berikut. Berikan versi solusi ARN yang dikembalikan pada langkah sebelumnya. Untuk informasi lebih lanjut tentangAPI, lihatCreateCampaign.

aws personalize create-campaign \
  --name MovieRecommendationCampaign \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id \
  --min-provisioned-tps 1

Respons sampel ditampilkan:

{
  "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign"
}

Periksa status penyebaran dengan menjalankan perintah berikut. Berikan kampanye ARN yang dikembalikan pada langkah sebelumnya. Untuk informasi lebih lanjut tentangAPI, lihatDescribeCampaign.

aws personalize describe-campaign \
  --campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign

Respons sampel ditampilkan:

{
  "campaign": { 
      "name": "MovieRecommendationCampaign",
      "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign",
      "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>",
      "minProvisionedTPS": "1",
      "creationDateTime": 1543864775.923,
      "lastUpdatedDateTime": 1543864791.923,
      "status": "CREATE IN_PROGRESS"
  }
}