Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Creare una soluzione
Puoi creare una soluzione personalizzata con la console Amazon Personalize, AWS Command Line Interface (AWS CLI) o. AWS SDKs Di seguito sono riportati i passaggi dettagliati per creare una soluzione con la console Amazon Personalize ed esempi di codice che mostrano come creare una soluzione con solo i campi obbligatori.
**Topics**
+ [Creazione di una soluzione (console)](#configure-solution-console)
+ [Creazione di una soluzione ()AWS CLI](#configure-solution-cli)
+ [Creazione di una soluzione ()AWS SDKs](#configure-solution-sdk)
## Creazione di una soluzione (console)
**Importante**
Per impostazione predefinita, tutte le nuove soluzioni utilizzano l'addestramento automatico. Con la formazione automatica, si sostengono costi di formazione mentre la soluzione è attiva. Per evitare costi inutili, al termine è possibile [aggiornare la soluzione](updating-solution.md) per disattivare la formazione automatica. Per informazioni sui costi di formazione, consulta i prezzi di [Amazon Personalize](https://aws.amazon.com/personalize/pricing/).
Per creare una soluzione nella console, scegli il gruppo di set di dati, quindi specifica il nome della soluzione, la ricetta e la configurazione di formazione opzionale.
**Per configurare una soluzione (console)**
1. Apri la console Amazon Personalize a [https://console.aws.amazon.com/personalize/casa](https://console.aws.amazon.com/personalize/home) e accedi al tuo account.
1. Nella pagina dei **gruppi di set** di dati, scegli il tuo gruppo di set di dati.
1. Nella pagina **Panoramica**, per il **passaggio 3**, esegui una delle seguenti operazioni:
+ Se hai creato un gruppo di set di dati di dominio, scegli **Usa risorse personalizzate** e scegli **Crea soluzioni**.
+ Se hai creato un gruppo di set di dati personalizzato, scegli **Crea** soluzioni.
1. Per **Solution name (Nome soluzione)**, specificare un nome per la soluzione.
1. Per **Tipo di soluzione**, scegli il tipo di soluzione che desideri creare. Il tipo scelto determina le ricette disponibili.
+ Scegli **Raccomandazione** sugli articoli per ricevere consigli sugli articoli per i tuoi utenti. Ad esempio, consigli personalizzati sui film.
+ Scegli **Azioni consigliate** per ricevere consigli sulle azioni da intraprendere per i tuoi utenti. Ad esempio, genera la prossima azione migliore per un utente, ad esempio scarica la tua app.
+ Scegli la **segmentazione degli** utenti per ottenere segmenti di utenti (gruppi di utenti) in base ai dati dei tuoi articoli.
1. Per **Recipe**, scegli una ricetta (vedi[Scegliere una ricetta](working-with-predefined-recipes.md)).
1. Per i **tag**, aggiungi facoltativamente qualsiasi tag. Per ulteriori informazioni sull'etichettatura delle risorse Amazon Personalize, consulta. [Etichettare le risorse di Amazon Personalize](tagging-resources.md)
1. Scegli **Next (Successivo)**.
1. Nella pagina di **configurazione della formazione**, personalizza la soluzione per soddisfare le tue esigenze aziendali.
+ In **Formazione automatica**, scegli se la soluzione utilizza la formazione automatica. Se si utilizza l'allenamento automatico, è possibile modificare la`Automatic training frequency`. La frequenza di allenamento predefinita è ogni 7 giorni.
Si consiglia di utilizzare l'allenamento automatico. In questo modo è più facile mantenere la pertinenza delle raccomandazioni. La frequenza della formazione dipende dai requisiti aziendali, dalla ricetta utilizzata e dalla frequenza di importazione dei dati. Per ulteriori informazioni, consulta [Configurazione della formazione automatica](solution-config-auto-training.md). Per informazioni su come mantenere la pertinenza, consulta[Mantenere la pertinenza delle raccomandazioni](maintaining-relevance.md).
+ Nella **configurazione Hyperparameter**, configura qualsiasi opzione di iperparametro in base alla ricetta e alle esigenze aziendali. Diverse ricette utilizzano iperparametri diversi. Per gli iperparametri disponibili, consulta le singole ricette in. [Scegliere una ricetta](working-with-predefined-recipes.md)
+ In **Colonne per la formazione**, se la tua ricetta genera consigli sugli articoli o segmenti di utenti, scegli facoltativamente le colonne che Amazon Personalize considera quando crea le versioni della soluzione. Per ulteriori informazioni, consulta [Configurazione delle colonne utilizzate durante l'allenamento](custom-config-columns.md).
+ Nella **configurazione degli eventi**, se il set di dati sulle interazioni degli articoli contiene le colonne EVENT\$1TYPE o entrambe le colonne EVENT\$1TYPE ed EVENT\$1VALUE, utilizza facoltativamente i campi **Tipo di evento e **Soglia del valore** dell'evento** per scegliere i dati di interazione tra gli articoli che Amazon Personalize utilizza per addestrare il modello. Per ulteriori informazioni, consulta [Scelta dei dati di interazione tra gli oggetti utilizzati per l'allenamento](event-values-types.md).
Se disponi di più tipi di eventi e utilizzi User-Personalization-v 2 ricette o Personalized-Ranking-v 2 ricette, puoi anche specificare pesi diversi per tipi diversi. Ad esempio, puoi configurare una soluzione per dare più peso agli eventi di acquisto rispetto ai click events. Per ulteriori informazioni, consulta [Ottimizzazione di una soluzione con configurazione degli eventi](optimizing-solution-events-config.md).
+ Se utilizzi la [Ricetta con classificazione personalizzata](native-recipe-search.md) ricetta [Ricetta per la personalizzazione dell'utente](native-recipe-new-item-USER_PERSONALIZATION.md) o, facoltativamente, specifica un **obiettivo** e scegli una **sensibilità all'obiettivo** per ottimizzare la soluzione per un obiettivo oltre alla pertinenza. La sensibilità oggettiva configura il modo in cui Amazon Personalize bilancia gli articoli consigliati in base al tuo obiettivo rispetto alla pertinenza attraverso i dati di interazione. Per ulteriori informazioni, consulta [Ottimizzazione di una soluzione per un obiettivo aggiuntivo](optimizing-solution-for-objective.md).
1. Scegli **Avanti** ed esamina i dettagli della soluzione. Non puoi modificare la configurazione della soluzione dopo averla creata.
1. Selezionare **Create solution (Crea soluzione)**. Dopo aver creato una soluzione, Amazon Personalize inizia a creare la prima versione della soluzione entro un'ora. Quando inizia la formazione, puoi monitorarla nella sezione **Versioni della soluzione** nella pagina dei dettagli della tua soluzione. Le versioni della soluzione create automaticamente hanno il **tipo di Training** AUTOMATICO.
Quando la versione della soluzione è ATTIVA, sei pronto a utilizzarla per ricevere consigli. Il modo in cui utilizzi una versione attiva della soluzione dipende da come ricevi i consigli:
+ Per consigli in tempo reale, distribuisci una versione della soluzione ACTIVE con una campagna Amazon Personalize. Utilizzi la campagna per ottenere consigli per i tuoi utenti. Consultare [Implementazione di una versione della soluzione Amazon Personalize con una campagnaCreazione di una campagna](campaigns.md).
+ Per i consigli in batch, si specifica una versione della soluzione ACTIVE quando si crea un processo di inferenza in batch o un processo di segmentazione in batch. Vedi [Ottenere consigli sugli articoli in batch](getting-batch-recommendations.md) o [Ottenere segmenti di utenti in batch](getting-user-segments.md).
## Creazione di una soluzione ()AWS CLI
**Importante**
Per impostazione predefinita, tutte le nuove soluzioni utilizzano l'addestramento automatico. Con la formazione automatica, si sostengono costi di formazione mentre la soluzione è attiva. Per evitare costi inutili, al termine è possibile [aggiornare la soluzione](updating-solution.md) per disattivare la formazione automatica. Per informazioni sui costi di formazione, consulta i prezzi di [Amazon Personalize](https://aws.amazon.com/personalize/pricing/).
Per creare una soluzione con AWS CLI, usa il `create-solution` comando. Questo comando utilizza l'operazione [CreateSolution](API_CreateSolution.md) API. Il codice seguente mostra come creare una soluzione che utilizzi l'addestramento automatico. Crea automaticamente una nuova versione della soluzione ogni cinque giorni.
Per utilizzare il codice, aggiornalo per assegnare un nome alla soluzione, specifica l'Amazon Resource Name (ARN) del gruppo di set di dati, opzionalmente modifica la frequenza di allenamento e specifica l'ARN della ricetta da utilizzare. Per informazioni sulle ricetta consulta [Scegliere una ricetta](working-with-predefined-recipes.md).
```
aws personalize create-solution \
--name solution name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--perform-auto-training \
--solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(5 days)\"}}"
```
+ Ti consigliamo di utilizzare la formazione automatica. Ti semplifica il mantenimento e il miglioramento della pertinenza delle raccomandazioni. Per impostazione predefinita, tutte le nuove soluzioni utilizzano la formazione automatica. La frequenza di allenamento predefinita è ogni 7 giorni. La frequenza della formazione dipende dai requisiti aziendali, dalla ricetta utilizzata e dalla frequenza di importazione dei dati. Per ulteriori informazioni, consulta [Configurazione della formazione automatica](solution-config-auto-training.md).
+ A seconda della ricetta, è possibile modificare il codice per configurare le proprietà e gli iperparametri specifici della ricetta (vedi[Iperparametri e HPO](customizing-solution-config-hpo.md)), configurare le colonne utilizzate per l'allenamento (vedi[Configurazione delle colonne utilizzate durante la formazione ()AWS CLI](custom-config-columns.md#custom-config-columns-cli)) o filtrare i dati sulle interazioni tra gli elementi utilizzati per l'allenamento (vedi[Scelta dei dati di interazione tra gli oggetti utilizzati per l'allenamento](event-values-types.md)).
+ Se utilizzi la [Ricetta con classificazione personalizzata](native-recipe-search.md) ricetta [Ricetta per la personalizzazione dell'utente](native-recipe-new-item-USER_PERSONALIZATION.md) o la ricetta, puoi ottimizzare la soluzione per un obiettivo, oltre alla pertinenza. Per ulteriori informazioni, consulta [Ottimizzazione di una soluzione per un obiettivo aggiuntivo](optimizing-solution-for-objective.md).
Dopo aver creato la soluzione, registrate l'ARN della soluzione per utilizzi futuri. Con la formazione automatica, la creazione della versione della soluzione inizia entro un'ora dall'attivazione della soluzione. Se crei manualmente una versione della soluzione entro un'ora, la soluzione salta il primo addestramento automatico. Dopo l'inizio della formazione, puoi ottenere l'Amazon Resource Name (ARN) della versione della soluzione con il funzionamento dell'[ListSolutionVersions](https://docs.aws.amazon.com/personalize/latest/dg/API_ListSolutionVersions.html)API. Per conoscerne lo stato, utilizza l'operazione [DescribeSolutionVersion](https://docs.aws.amazon.com/personalize/latest/dg/API_DescribeSolutionVersion.html)API.
Quando la versione della soluzione è ATTIVA, sei pronto a utilizzarla per ricevere consigli. Il modo in cui utilizzi una versione attiva della soluzione dipende da come ricevi i consigli:
+ Per consigli in tempo reale, distribuisci una versione della soluzione ACTIVE con una campagna Amazon Personalize. Utilizzi la campagna per ottenere consigli per i tuoi utenti. Consultare [Implementazione di una versione della soluzione Amazon Personalize con una campagnaCreazione di una campagna](campaigns.md).
+ Per i consigli in batch, si specifica una versione della soluzione ACTIVE quando si crea un processo di inferenza in batch o un processo di segmentazione in batch. Vedi [Ottenere consigli sugli articoli in batch](getting-batch-recommendations.md) o [Ottenere segmenti di utenti in batch](getting-user-segments.md).
## Creazione di una soluzione ()AWS SDKs
**Importante**
Per impostazione predefinita, tutte le nuove soluzioni utilizzano l'addestramento automatico. Con la formazione automatica, si sostengono costi di formazione mentre la soluzione è attiva. Per evitare costi inutili, al termine è possibile [aggiornare la soluzione](updating-solution.md) per disattivare la formazione automatica. Per informazioni sui costi di formazione, consulta i prezzi di [Amazon Personalize](https://aws.amazon.com/personalize/pricing/).
Per creare una soluzione con AWS SDKs, utilizza l'operazione [CreateSolution](API_CreateSolution.md) API. Il codice seguente mostra come creare una soluzione che utilizzi la formazione automatica. Crea automaticamente una nuova versione della soluzione ogni cinque giorni.
Per utilizzare il codice, aggiornalo per assegnare un nome alla soluzione, specifica l'Amazon Resource Name (ARN) del gruppo di set di dati, opzionalmente modifica la frequenza di allenamento e specifica l'ARN della ricetta che desideri utilizzare. Per informazioni sulle ricetta consulta [Scegliere una ricetta](working-with-predefined-recipes.md).
------
#### [ SDK for Python (Boto3) ]
```
import boto3
personalize = boto3.client('personalize')
create_solution_response = personalize.create_solution(
name = 'solution name',
recipeArn = 'recipe ARN',
datasetGroupArn = 'dataset group ARN',
performAutoTraining = True,
solutionConfig = {
"autoTrainingConfig": {
"schedulingExpression": "rate(5 days)"
}
}
)
solution_arn = create_solution_response['solutionArn']
print('solution_arn: ', solution_arn)
```
------
#### [ SDK for JavaScript v3 ]
```
import {
CreateSolutionCommand,
PersonalizeClient,
} from "@aws-sdk/client-personalize";
// create client
const personalizeClient = new PersonalizeClient({ region: "REGION" });
// set the solution parameters
export const solutionParam = {
datasetGroupArn: "DATASET_GROUP_ARN" /* required */,
recipeArn: "RECIPE_ARN" /* required */,
name: "SOLUTION_NAME" /* required */,
performAutoTraining: true /* optional, default is true */,
solutionConfig: {
autoTrainingConfig: {
schedulingExpression:
"rate(5 days)" /* optional, default is every 7 days */,
},
},
};
export const run = async () => {
try {
const response = await personalizeClient.send(
new CreateSolutionCommand(solutionParam)
);
console.log("Success", response);
return response; // For unit tests.
} catch (err) {
console.log("Error", err);
}
};
run();
```
------
+ Ti consigliamo di utilizzare la formazione automatica. Ti semplifica il mantenimento e il miglioramento della pertinenza delle raccomandazioni. Per impostazione predefinita, tutte le nuove soluzioni utilizzano la formazione automatica. La frequenza di allenamento predefinita è ogni 7 giorni. La frequenza della formazione dipende dai requisiti aziendali, dalla ricetta utilizzata e dalla frequenza di importazione dei dati. Per ulteriori informazioni, consulta [Configurazione della formazione automatica](solution-config-auto-training.md).
+ A seconda della ricetta, è possibile modificare il codice per configurare le proprietà e gli iperparametri specifici della ricetta (vedi[Iperparametri e HPO](customizing-solution-config-hpo.md)), configurare le colonne utilizzate per l'allenamento (vedi[Configurazione delle colonne utilizzate durante l'addestramento ()AWS SDKs](custom-config-columns.md#custom-configure-columns-sdk)) o filtrare i dati sulle interazioni tra gli elementi utilizzati per l'allenamento (vedi[Scelta dei dati di interazione tra gli oggetti utilizzati per l'allenamento](event-values-types.md)).
+ Se utilizzi la [Ricetta con classificazione personalizzata](native-recipe-search.md) ricetta [Ricetta per la personalizzazione dell'utente](native-recipe-new-item-USER_PERSONALIZATION.md) o la ricetta, puoi ottimizzare la soluzione per un obiettivo, oltre alla pertinenza. Per ulteriori informazioni, consulta [Ottimizzazione di una soluzione per un obiettivo aggiuntivo](optimizing-solution-for-objective.md).
Dopo aver creato la soluzione, registrate l'ARN della soluzione per utilizzi futuri. Con la formazione automatica, la creazione della versione della soluzione inizia entro un'ora dall'attivazione della soluzione. Se crei manualmente una versione della soluzione entro un'ora, la soluzione salta il primo addestramento automatico. Dopo l'inizio della formazione, puoi ottenere l'Amazon Resource Name (ARN) della versione della soluzione con il funzionamento dell'[ListSolutionVersions](https://docs.aws.amazon.com/personalize/latest/dg/API_ListSolutionVersions.html)API. Per conoscerne lo stato, utilizza l'operazione [DescribeSolutionVersion](https://docs.aws.amazon.com/personalize/latest/dg/API_DescribeSolutionVersion.html)API.
Puoi usare il seguente codice Python per attendere l'avvio dell'addestramento automatico. Il `wait_for_training_to_start` metodo restituisce l'ARN della prima versione della soluzione.
```
import time
import boto3
def wait_for_training_to_start(new_solution_arn):
max_time = time.time() + 3 * 60 * 60 # 3 hours
while time.time() < max_time:
list_solution_versions_response = personalize.list_solution_versions(
solutionArn=new_solution_arn
)
solution_versions = list_solution_versions_response.get('solutionVersions', [])
if solution_versions:
new_solution_version_arn = solution_versions[0]['solutionVersionArn']
print(f"Solution version ARN: {new_solution_version_arn}")
return new_solution_version_arn
else:
print(f"Training hasn't started yet. Training will start within the next hour.")
time.sleep(60)
personalize = boto3.client('personalize')
solution_arn = "solution_arn"
solution_version_arn = wait_for_training_to_start(solution_arn)
```
Quando la versione della soluzione è ATTIVA, è possibile utilizzarla per ottenere consigli. Il modo in cui utilizzi una versione attiva della soluzione dipende da come ricevi i consigli:
+ Per consigli in tempo reale, distribuisci una versione della soluzione ACTIVE con una campagna Amazon Personalize. Utilizzi la campagna per ottenere consigli per i tuoi utenti. Consultare [Implementazione di una versione della soluzione Amazon Personalize con una campagnaCreazione di una campagna](campaigns.md).
+ Per i consigli in batch, si specifica una versione della soluzione ACTIVE quando si crea un processo di inferenza in batch o un processo di segmentazione in batch. Vedi [Ottenere consigli sugli articoli in batch](getting-batch-recommendations.md) o [Ottenere segmenti di utenti in batch](getting-user-segments.md).