시작하기(AWS CLI)

다음 명령을 실행하여 데이터세트 그룹을 생성합니다. AWS Key Management Service 키 ARN 및 해당 키에 대한 액세스 권한이 있는 IAM 역할의 ARN을 입력 파라미터로 전달하면 데이터세트 그룹을 암호화할 수 있습니다. API에 대한 자세한 내용은 CreateDatasetGroup단원을 참조하세요.

aws personalize create-dataset-group --name MovieRatingDatasetGroup --kms-key-arn arn:aws:kms:us-west-2:01234567890:key/1682a1e7-a94d-4d92-bbdf-837d3b62315e --role-arn arn:aws:iam::01234567890:KMS-key-access

데이터세트 그룹 ARN이 예를 들어, 다음과 같이 표시됩니다.

{
  "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup"
}

describe-dataset-group 명령을 사용하여 생성한 데이터세트 그룹을 표시하고, 반환되는 데이터세트 그룹 ARN을 지정합니다.

aws personalize describe-dataset-group \
--dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup

데이터세트 그룹과 해당 속성이 예를 들어, 다음과 같이 표시됩니다.

{
    "datasetGroup": {
        "name": "MovieRatingDatasetGroup",
        "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
        "status": "ACTIVE",
        "creationDateTime": 1542392161.262,
        "lastUpdatedDateTime": 1542396513.377
    }
}

데이터세트 그룹 ARN이 기억나지 않을 경우, list-dataset-groups명령을 사용하면 생성한 모든 데이터세트 그룹이 ARN과 함께 표시됩니다.

aws personalize list-dataset-groups

다음 코드를 MovieRatingSchema.json파일에 저장해 스키마 파일을 JSON 형식으로 생성합니다. 이 스키마는 이전에 ratings.csv에 추가한 헤더와 일치합니다. 스키마 이름은 Interactions로, Amazon Personalize에서 인식하는 데이터 세트 유형 중 하나와 일치합니다. 자세한 내용은 Amazon Personalize 스키마에 대한 스키마 JSON 파일 생성 단원을 참조하십시오.

{
  "type": "record",
  "name": "Interactions",
  "namespace": "com.amazonaws.personalize.schema",
  "fields": [
      {
          "name": "USER_ID",
          "type": "string"
      },
      {
          "name": "ITEM_ID",
          "type": "string"
      },
      {
          "name": "TIMESTAMP",
          "type": "long"
      }
  ],
  "version": "1.0"
}

다음 명령을 실행하여 스키마를 생성합니다. 이전 단계에서 저장한 파일을 지정합니다. 이 예제에서는 이 파일을 현재 폴더에 속한 것으로 표시합니다. API에 대한 자세한 내용은 CreateSchema단원을 참조하세요.

aws personalize create-schema \
  --name MovieRatingSchema \
  --schema file://MovieRatingSchema.json

스키마의 리소스 이름(ARN)이 예를 들어, 다음과 같이 표시됩니다.

{
  "schemaArn": "arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema"
}

다음 명령을 실행하여 빈 데이터세트를 생성합니다. 이전 단계에서 반환된 데이터세트 그룹 ARN 및 스키마 ARN을 입력합니다. dataset-type은 이전 단계의 스키마 name와 일치해야 합니다. API에 대한 자세한 내용은 CreateDataset단원을 참조하세요.

aws personalize create-dataset \
  --name MovieRatingDataset \
  --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
  --dataset-type Interactions \
  --schema-arn arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema

데이터세트 ARN이 예를 들어, 다음과 같이 표시됩니다.

{
  "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS"
}

데이터세트에 학습 데이터를 추가합니다.

1. 다음 명령을 실행하여 데이터세트 가져오기 작업을 생성합니다. 이전 단계에서 반환된 데이터세트 ARN 및 S3 버킷 이름을 입력합니다. 에서 생성한 AWS Identity and Access Management (IAM) 역할 ARN을 제공합니다Personalize에 대한 IAM 역할 생성. API에 대한 자세한 내용은 CreateDatasetImportJob단원을 참조하세요.

   aws personalize create-dataset-import-job \
     --job-name MovieRatingImportJob \
     --dataset-arn arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS \
     --data-source dataLocation=s3://amzn-s3-demo-bucket/ratings.csv \
     --role-arn roleArn

   데이터세트 가져오기 작업 ARN이 예를 들어, 다음과 같이 표시됩니다.

   {
     "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob"
   }

2. describe-dataset-import-job 명령을 사용하여 상태를 확인합니다. 이전 단계에서 반환된 데이터세트 가져오기 작업 ARN을 제공합니다. API에 대한 자세한 내용은 DescribeDatasetImportJob단원을 참조하세요.

   aws personalize describe-dataset-import-job \
     --dataset-import-job-arn arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob

   상태를 포함하여 데이터세트 가져오기 작업의 속성이 표시됩니다. 처음에 status는 CREATE PENDING으로 표시됩니다. 예를 들면 다음과 같이 표시됩니다.

   {
     "datasetImportJob": {
         "jobName": "MovieRatingImportJob",
         "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob",
         "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS",
         "dataSource": {
             "dataLocation": "s3://amzn-s3-demo-bucket/ratings.csv"
         },
         "roleArn": "role-arn",
         "status": "CREATE PENDING",
         "creationDateTime": 1542392161.837,
         "lastUpdatedDateTime": 1542393013.377
     }
   }

   상태가 ACTIVE로 표시되면 데이터세트 가져오기가 완료된 것이고, 그러면 지정된 데이터세트를 사용하여 모델을 학습시킬 준비가 된 것입니다.

   참고

   가져오기에는 시간이 필요합니다. 데이터세트를 사용하여 모델을 학습시키려면 먼저 데이터세트 가져오기가 완료될 때까지 기다려야 합니다.

다음 명령을 실행하여 모델을 학습시키기 위한 구성을 생성합니다. 이 명령은 자동 학습을 사용하는 솔루션을 생성합니다. 7일마다 새 솔루션 버전을 자동으로 생성합니다(기본값).

aws personalize create-solution \
  --name MovieSolution \
  --dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
  --recipe-arn arn:aws:personalize:::recipe/aws-user-personalization-v2 \ 
  --perform-auto-training \
  --solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(7 days)\"}}"

솔루션 ARN이 예를 들어, 다음과 같이 표시됩니다.

{
  "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution"
}

describe-solution 명령을 사용하여 생성 상태를 확인합니다. 이전 단계에서 반환된 솔루션 ARN을 입력합니다. API에 대한 자세한 내용은 DescribeSolution단원을 참조하세요.

aws personalize describe-solution \
  --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution

솔루션의 속성과 생성 status가 표시됩니다. 예시:

{      
  "solution": {
      "name": "MovieSolution",
      "solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution",
      "performHPO": false,
      "performAutoML": false,
      "recipeArn": "arn:aws:personalize:::recipe/aws-user-personalization-v2",
      "datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
      "solutionConfig": {
            "algorithmHyperParameters": {
                "apply_recency_bias": "true"
            },
            "featureTransformationParameters": {},
            "autoTrainingConfig": {
                "schedulingExpression": "rate(7 days)"
            }
       },
      "status": "ACTIVE",
      "creationDateTime": "2021-05-12T16:27:59.819000-07:00",
      "lastUpdatedDateTime": "2021-05-12T16:27:59.819000-07:00"
  }
}

자동 학습을 사용하면 솔루션이 활성화된 된 후 1시간 이내에 솔루션 버전 생성이 시작됩니다. 학습이 시작된 후 다음 ListSolutionVersions 명령을 사용하여 솔루션 버전의 Amazon 리소스 이름(ARN)을 가져올 수 있습니다.

aws personalize list-solution-versions --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution

describe-solution-version 명령을 사용하여 솔루션 버전의 교육 상태를 확인합니다. 이전 단계에서 반환된 솔루션 버전 ARN을 입력합니다. API에 대한 자세한 내용은 DescribeSolutionVersion단원을 참조하세요.

aws personalize describe-solution-version \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id

솔루션 버전의 속성과 학습 status가 표시됩니다. 처음에 상태는 CREATE PENDING으로 표시됩니다. 예를 들면 다음과 같이 표시됩니다.

{
  "solutionVersion": {
      "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>",
      ...,
      "status": "CREATE PENDING"
  }
}

최신 솔루션 버전 status가 ACTIVE로 표시되면 학습이 완료된 것입니다.

이제 학습 지표를 검토하고 솔루션 버전을 사용하여 캠페인을 만들 수 있습니다.

솔루션의 지표를 살펴보면 솔루션 버전의 성능을 확인할 수 있습니다. 다음 명령을 실행하여 솔루션 버전에 대한 지표를 가져옵니다. 이전에 반환된 솔루션 버전 ARN을 제공합니다. API에 대한 자세한 내용은 GetSolutionMetrics단원을 참조하세요.

aws personalize get-solution-metrics \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id

샘플 응답이 다음과 같이 표시됩니다.

{
  "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/www-solution/<version-id>",
  "metrics": {
        "coverage": 0.0485,
        "mean_reciprocal_rank_at_25": 0.0381,
        "normalized_discounted_cumulative_gain_at_10": 0.0363,
        "normalized_discounted_cumulative_gain_at_25": 0.0984,
        "normalized_discounted_cumulative_gain_at_5": 0.0175,
        "precision_at_10": 0.0107,
        "precision_at_25": 0.0207,
        "precision_at_5": 0.0107
    }
}

다음 명령을 실행하여 캠페인을 생성합니다. 이전 단계에서 반환된 솔루션 버전 ARN을 입력합니다. API에 대한 자세한 내용은 CreateCampaign단원을 참조하세요.

aws personalize create-campaign \
  --name MovieRecommendationCampaign \
  --solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id \
  --min-provisioned-tps 1

샘플 응답이 다음과 같이 표시됩니다.

{
  "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign"
}

다음 명령을 실행하여 배포 상태를 확인합니다. 이전 단계에서 반환된 캠페인 ARN을 입력합니다. API에 대한 자세한 내용은 DescribeCampaign단원을 참조하세요.

aws personalize describe-campaign \
  --campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign

샘플 응답이 다음과 같이 표시됩니다.

{
  "campaign": { 
      "name": "MovieRecommendationCampaign",
      "campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign",
      "solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/<version-id>",
      "minProvisionedTPS": "1",
      "creationDateTime": 1543864775.923,
      "lastUpdatedDateTime": 1543864791.923,
      "status": "CREATE IN_PROGRESS"
  }
}