Prerequisiti per iniziare

1. Configura le autorizzazioni in modo che Amazon Personalize possa accedere alle tue risorse per tuo conto. Ciò comporta la creazione di un ruolo di servizio per Amazon Personalize e la concessione dell'accesso alle risorse di Amazon Personalize con una policy IAM. Per ulteriori informazioni, consulta Autorizzare Amazon Personalize ad accedere alle tue risorse.

2. Prepara i dati di allenamento e carica i dati nel tuo bucket Amazon S3:

   • Per i tutorial sui gruppi di set di dati di Domain, consulta. Creazione dei dati di addestramento (gruppo di set di dati del dominio)

   • Per i tutorial sui gruppi di set di dati personalizzati, consulta. Creazione dei dati di addestramento (gruppo di set di dati personalizzato)

3. Autorizza il tuo ruolo di servizio Amazon Personalize ad accedere alle tue risorse Amazon S3, come specificato in. Offrire ad Amazon Personalize l'accesso alle risorse di Amazon S3

Per creare i dati di allenamento

1. Scaricate e decomprimete il file zip delle valutazioni dei film, ml-latest-small.zip, da MovieLenssotto consigliato per l'istruzione e lo sviluppo (F. Maxwell Harper e Joseph A. Konstan. 2015. I MovieLens set di dati: storia e contesto. Transazioni ACM su sistemi intelligenti interattivi (TIIs) 5, 4:19:1 — 19:19. https://doi.org/10.1145/2827872).

2. Apri il file ratings.csv. Questo file contiene i dati sulle interazioni per questo tutorial.

   1. Eliminare la colonna rating.

   2. Rinomina le movieId colonne userId e ITEM_ID rispettivamente in USER_ID e.

   3. Aggiungi una colonna EVENT_TYPE e imposta il valore per ogni record su. watch Se utilizzi Microsoft Excel, puoi impostare EVENT_TYPE per ogni record watch inserendo la prima cella della colonna e quindi facendo doppio clic nell'angolo inferiore destro della cella. L'intestazione dovrebbe essere la seguente:

      USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE

      Queste colonne devono corrispondere esattamente a quelle mostrate per consentire ad Amazon Personalize di riconoscere i dati. Le prime righe dei dati dovrebbero avere il seguente aspetto:

      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
      ....
      ....

   Salvare il file ratings.csv.

3. Carica ratings.csv nel tuo bucket Amazon S3. Per ulteriori informazioni, consulta Caricamento di file e cartelle mediante trascinamento nella Guida per l'utente di Amazon Simple Storage Service.

4. Autorizza Amazon Personalize a leggere i dati nel bucket. Per ulteriori informazioni, consulta Offrire ad Amazon Personalize l'accesso alle risorse di Amazon S3.

1. Scarica e decomprimi il file zip delle valutazioni dei film, ml-latest-small.zip, da MovieLenssotto (consigliato per l'istruzione e lo sviluppo) (F. Maxwell Harper e Joseph A. Konstan. 2015. I MovieLens set di dati: storia e contesto. Transazioni ACM su sistemi intelligenti interattivi (TIIs) 5, 4:19:1 — 19:19. https://doi.org/10.1145/2827872).

2. Apri il file ratings.csv. Questo file contiene i dati sulle interazioni per questo tutorial.

   1. Eliminare la colonna rating.

   2. Sostituire la riga di intestazione con quanto segue:

      USER_ID,ITEM_ID,TIMESTAMP

      Queste intestazioni devono corrispondere esattamente a quelle mostrate per consentire ad Amazon Personalize di riconoscere i dati.

   Salvare il file ratings.csv.

3. Carica ratings.csv nel tuo bucket Amazon S3. Per ulteriori informazioni, consulta Caricamento di file e cartelle mediante trascinamento nella Guida per l'utente di Amazon Simple Storage Service.

4. Autorizza Amazon Personalize a leggere i dati nel bucket. Per ulteriori informazioni, consulta Offrire ad Amazon Personalize l'accesso alle risorse di Amazon S3.