데이터를 처리하고 Personalize로 가져오기

처리된 데이터를 Personalize로 가져오려면

1. 내보내려는 변환의 경우, 내보내기를 선택하고 Personalize(Jupyter 노트북 사용)를 선택합니다.

2. 노트북을 수정하여 처리 작업의 데이터 대상으로 사용한 S3 버킷을 지정합니다. 원하는 대로 데이터세트 그룹의 도메인을 지정합니다. 기본 설정으로 노트북은 사용자 지정 데이터세트 그룹을 생성합니다.

3. 스키마를 생성하는 노트북 셀을 검토합니다. 셀을 실행하기 전에 스키마 필드에 예상 유형과 속성이 있는지 확인합니다.

   • null 데이터를 지원하는 필드가 유형 목록에 null나열된지 확인합니다. 다음 예제에서는 필드에 null을 추가하는 방법을 보여 줍니다.

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

   • 범주형 필드의 범주형 속성이 true로 설정되어 있는지 확인합니다. 다음 예제에서는 필드에 범주를 표시하는 방법을 보여 줍니다.

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

   • 텍스트 필드의 텍스트 속성이 true로 설정되어 있는지 확인합니다. 다음 예제에서는 필드에 텍스트를 표시하는 방법을 보여 줍니다.

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

4. 노트북을 실행하여 스키마를 생성하고, 데이터세트를 생성하고, 데이터를 Personalize 데이터세트로 가져옵니다. SageMaker AI Studio Classic 외부의 노트북과 마찬가지로 노트북을 실행합니다. Jupyter 노트북 실행에 대한 자세한 내용은 코드 실행을 참조하세요. SageMaker AI Studio Classic의 노트북에 대한 자세한 내용은 Amazon SageMaker AI 개발자 안내서의 Amazon SageMaker AI 노트북 사용을 참조하세요. Amazon SageMaker

   노트북을 완료한 후 상호작용 데이터를 가져오고 나면 추천 또는 사용자 지정 리소스를 생성할 준비가 된 것입니다. 또는 항목 데이터세트 또는 사용자 데이터세트를 사용하여 프로세스를 반복할 수 있습니다.

   • 도메인 추천자 생성에 대한 자세한 내용은 Amazon Personalize의 도메인 추천자 섹션을 참조하세요.

   • 추천 또는 사용자 지정 리소스 생성 방법에 대한 자세한 내용은 Amazon Personalize 모델 학습 및 배포를 위한 사용자 지정 리소스 섹션을 참조하세요.