データを処理して Amazon Personalize にインポートする

処理されたデータを Amazon Personalize にインポートするには

1. エクスポートしたいトランスフォーメーションについては、[エクスポート先] を選択し、[Amazon Personalize (Jupyter Notebook 経由)] を選択します。

2. ノートブックを変更して、処理ジョブのデータ送信先として使用した Amazon S3 バケットを指定します。オプションで、データセットグループのドメインを指定します。デフォルトでは、ノートブックはカスタムデータセットグループを作成します。

3. スキーマを作成しているノートブックのセルを確認してください。セルを実行する前に、スキーマのフィールドが期待どおりのタイプと属性であることを確認してください。

   • NULL データをサポートするフィールドがタイプのリストに null がリストされていることを確認してください。次の例は、フィールドに null を追加する方法を示しています。

     {
       "name": "GENDER",
       "type": [
         "null",
         "string"
       ],
       "categorical": true
     }

   • カテゴリフィールドのカテゴリ属性が true に設定されていることを確認します。次の例は、フィールドをカテゴリとしてマークする方法を示しています。

     {
               "name": "SUBSCRIPTION_MODEL",
               "type": "string",
               "categorical": true
     }

   • テキストフィールドのテキスト属性が true に設定されていることを確認します。次の例は、フィールドをテキストとしてマークする方法を示しています。

     {
           "name": "DESCRIPTION",
           "type": [
             "null",
             "string"
           ],
           "textual": true
     }

4. ノートブックを実行してスキーマを作成し、データセットを作成し、データを Amazon Personalize データセットにインポートします。ノートブックは、 SageMaker Studio Classic の外部にあるノートブックと同じように実行します。Jupyter Notebook の実行について詳しくは、「コードの実行」を参照してください。 SageMaker Studio Classic のノートブックの詳細については、「Amazon デベロッパーガイド」の「Amazon SageMaker Notebooks の使用」を参照してください。 SageMaker

   ノートブックが完成したら、インタラクションデータをインポートすれば、レコメンダーやカスタムリソースを作成できます。または、アイテムデータセットまたはユーザーデータセットでこのプロセスを繰り返すこともできます。

   • ドメインレコメンダーの作成については、「」を参照してくださいAmazon Personalize のドメインレコメンダー。

   • カスタムリソースの作成とデプロイの詳細については、「」を参照してくださいAmazon Personalize モデルのトレーニングとデプロイのためのカスタムリソース。