솔루션 생성 - Personalize
솔루션 생성(콘솔)솔루션 생성 (AWS CLI)솔루션 생성 (AWS SDKs)

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

솔루션 생성

Amazon Personalize 콘솔을 사용하여 사용자 지정 솔루션을 생성할 수 있습니다. AWS Command Line Interface (AWS CLI), 또는 AWS SDKs. 다음은 Amazon Personalize 콘솔을 사용하여 솔루션을 생성하는 세부 단계와 필수 필드만 포함하는 솔루션을 생성하는 방법을 보여주는 코드 예제를 포함합니다.

솔루션 생성(콘솔)

중요

기본적으로 모든 새 솔루션은 자동 학습을 사용합니다. 자동 교육을 사용하면 솔루션이 활성화되는 동안 교육 비용이 발생합니다. 불필요한 비용이 발생하지 않도록 교육을 마친 후 솔루션을 업데이트하여 자동 교육을 끌 수 있습니다. 교육 비용에 대한 자세한 내용은 Amazon Personalize 요금을 참조하십시오.

콘솔에서 솔루션을 생성하려면 데이터세트 그룹을 선택한 다음 솔루션 이름, 레시피 및 선택적 교육 구성을 지정합니다.

솔루션을 구성하려면(콘솔)

  1. https://console.aws.amazon.com/personalize/집에서 Amazon Personalize 콘솔을 열고 계정에 로그인합니다.

  2. 데이터세트 그룹 페이지에서 데이터세트 그룹을 선택합니다.

  3. 개요 페이지의 3단계에서 다음 중 하나를 수행하십시오.

    • 도메인 데이터세트 그룹을 만든 경우 커스텀 리소스 사용을 선택하고 솔루션 생성을 선택합니다.

    • 사용자 지정 데이터 세트 그룹을 생성한 경우 솔루션 생성을 선택합니다.

  4. 솔루션 이름의 경우 솔루션에 대한 이름을 지정합니다.

  5. 솔루션 유형에서 만들려는 솔루션 유형을 선택합니다. 선택한 유형에 따라 사용 가능한 레시피가 달라집니다.

    • 항목 추천을 선택하여 사용자를 위한 항목 추천을 받습니다. 개인 맞춤형 영화 추천을 예로 들 수 있습니다.

    • 작업 추천을 선택하여 사용자를 위한 작업 추천을 받습니다. 예를 들어 앱 다운로드와 같이 사용자를 위한 차선책을 만들어 보세요.

    • 항목 데이터를 기반으로 사용자 세그먼트(사용자 그룹)를 가져오려면 사용자 세분화를 선택합니다.

  6. 레시피의 경우 레시피를 선택합니다(레시피 선택 참조).

  7. 태그의 경우, 원하는 태그를 추가할 수 있습니다. Personalize 리소스 태그 지정에 대한 자세한 내용은 Personalize 리소스에 태그 지정단원을 참조하세요.

  8. Next(다음)를 선택합니다.

  9. 교육 구성 페이지에서 비즈니스 요구 사항에 맞게 솔루션을 사용자 지정하세요.

    • 자동 교육에서 솔루션이 자동 교육을 사용할지 여부를 선택합니다. 자동 학습을 사용하는 경우 변경할 수 있습니다Automatic training frequency. 기본 훈련 빈도는 7일마다입니다.

      자동 교육을 사용하는 것이 좋습니다. 이렇게 하면 권장 사항의 관련성을 더 쉽게 유지할 수 있습니다. 교육 빈도는 비즈니스 요구 사항, 사용하는 레시피, 데이터 가져오기 빈도에 따라 달라집니다. 자세한 내용은 자동 교육 구성 단원을 참조하십시오. 관련성 유지에 대한 자세한 내용은 을 참조하십시오추천 관련성 유지.

    • 하이퍼파라미터 구성에서 레시피와 비즈니스 요구 사항에 따라 하이퍼파라미터 옵션을 구성하십시오. 레시피에 따라 다른 하이퍼파라미터를 사용합니다. 사용 가능한 하이퍼파라미터에 대한 자세한 내용은 에서 개별 레시피를 참조하십시오. 레시피 선택

    • 학습용 컬럼에서 레시피가 아이템 추천 또는 사용자 세그먼트를 생성하는 경우 Amazon Personalize가 솔루션 버전을 생성할 때 고려하는 열을 선택적으로 선택하십시오. 자세한 내용은 교육 시 사용되는 열 구성 단원을 참조하십시오.

    • 추가 구성에서 항목 상호 작용 데이터세트에 _ 열 TYPE 또는 EVENT _ VALUE 열과 EVENT _ 열 모두가 EVENT 있는 경우 선택적으로 이벤트 유형 TYPE 및 이벤트 값 임계값 필드를 사용하여 Amazon Personalize가 모델을 학습할 때 사용하는 항목 상호 작용 데이터를 선택할 수 있습니다. 자세한 내용은 교육에 사용할 항목 상호 작용 데이터 선택 단원을 참조하십시오.

    • 사용자-개인 맞춤 레시피 또는 개인 맞춤형-순위 레시피레시피를 사용하는 경우, 원하는 목표를 지정하고 목표 민감도를 선택하여 관련성 이외에도 목표에 맞추어 솔루션을 최적화합니다. 객관적 민감도는 Amazon Personalize가 상호 작용 데이터를 통한 관련성과 비교하여 목표에 따라 추천 항목의 균형을 맞추는 방법을 구성합니다. 자세한 내용은 추가 목표에 맞게 솔루션 최적화 단원을 참조하십시오.

  10. 다음을 선택하고 솔루션 세부 정보를 검토하십시오. 솔루션을 만든 후에는 솔루션 구성을 변경할 수 없습니다.

  11. 솔루션 생성을 선택합니다. 솔루션을 생성한 후 Amazon Personalize는 한 시간 내에 첫 번째 솔루션 버전 생성을 시작합니다. 교육이 시작되면 솔루션 세부 정보 페이지의 솔루션 버전 섹션에서 교육을 모니터링할 수 있습니다. 자동으로 생성된 솔루션 버전의 교육 유형은 다음과 같습니다AUTOMATIC.

    솔루션 버전이 ACTIVE 되면 해당 버전을 사용하여 권장 사항을 받을 수 있습니다. 액티브 솔루션 버전을 사용하는 방법은 권장 사항을 받는 방법에 따라 달라집니다.

솔루션 생성 (AWS CLI)

중요

기본적으로 모든 새 솔루션은 자동 학습을 사용합니다. 자동 교육을 사용하면 솔루션이 활성화되는 동안 교육 비용이 발생합니다. 불필요한 비용이 발생하지 않도록 교육을 마친 후 솔루션을 업데이트하여 자동 교육을 끌 수 있습니다. 교육 비용에 대한 자세한 내용은 Amazon Personalize 요금을 참조하십시오.

를 사용하여 솔루션을 만들려면 AWS CLIcreate-solution명령을 사용하십시오. 이 명령은 CreateSolution API 작업을 사용합니다. 다음 코드는 자동 학습을 사용하는 솔루션을 만드는 방법을 보여줍니다. 5일마다 새 솔루션 버전이 자동으로 생성됩니다.

코드를 사용하려면 솔루션에 이름을 지정하도록 코드를 업데이트하고, 데이터세트 그룹의 Amazon Resource Name (ARN) 을 지정하고, 선택적으로 훈련 빈도를 변경하고, 사용할 레시피를 지정하십시오. ARN 레시피에 대한 자세한 내용은 레시피 선택 단원을 참조하십시오.

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)\"}}"

솔루션을 만든 후 나중에 사용할 수 ARN 있도록 솔루션을 기록해 두십시오. 자동 교육을 사용하면 솔루션이 완성된 후 1년 이내에 솔루션 버전 생성이 시작됩니다ACTIVE. 한 시간 내에 솔루션 버전을 수동으로 만들면 솔루션은 첫 번째 자동 교육을 건너뛰게 됩니다. 교육이 시작되면 ListSolutionVersionsAPI작업과 함께 솔루션 버전의 Amazon 리소스 이름 (ARN) 을 가져올 수 있습니다. 상태를 확인하려면 DescribeSolutionVersionAPI작업을 사용하십시오.

솔루션 버전이 ACTIVE 되면 해당 버전을 사용하여 권장 사항을 받을 준비가 된 것입니다. 액티브 솔루션 버전을 사용하는 방법은 권장 사항을 받는 방법에 따라 달라집니다.

솔루션 생성 (AWS SDKs)

중요

기본적으로 모든 새 솔루션은 자동 학습을 사용합니다. 자동 교육을 사용하면 솔루션이 활성화되는 동안 교육 비용이 발생합니다. 불필요한 비용이 발생하지 않도록 교육을 마친 후 솔루션을 업데이트하여 자동 교육을 끌 수 있습니다. 교육 비용에 대한 자세한 내용은 Amazon Personalize 요금을 참조하십시오.

다음을 사용하여 솔루션을 만들려면 AWS SDKsCreateSolutionAPI작업을 사용하십시오. 다음 코드는 자동 학습을 사용하는 솔루션을 만드는 방법을 보여줍니다. 5일마다 새 솔루션 버전이 자동으로 생성됩니다.

코드를 사용하려면 솔루션에 이름을 지정하도록 코드를 업데이트하고, 데이터세트 그룹의 Amazon Resource Name (ARN) 을 지정하고, 선택적으로 훈련 빈도를 변경하고, 사용할 레시피를 지정하십시오. ARN 레시피에 대한 자세한 내용은 레시피 선택 단원을 참조하십시오.

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();

솔루션을 만든 후 나중에 사용할 수 ARN 있도록 솔루션을 기록해 두십시오. 자동 교육을 사용하면 솔루션이 완성된 후 1년 이내에 솔루션 버전 생성이 시작됩니다ACTIVE. 한 시간 내에 솔루션 버전을 수동으로 만들면 솔루션은 첫 번째 자동 교육을 건너뛰게 됩니다. 교육이 시작되면 ListSolutionVersionsAPI작업과 함께 솔루션 버전의 Amazon 리소스 이름 (ARN) 을 가져올 수 있습니다. 상태를 확인하려면 DescribeSolutionVersionAPI작업을 사용하십시오.

다음 Python 코드를 사용하여 자동 학습이 시작될 때까지 기다릴 수 있습니다. 이 wait_for_training_to_start 메서드는 첫 번째 솔루션 버전의 버전을 반환합니다. ARN 

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)

솔루션 버전이 ACTIVE 되면 해당 버전을 사용하여 권장 사항을 받을 수 있습니다. 액티브 솔루션 버전을 사용하는 방법은 권장 사항을 받는 방법에 따라 달라집니다.