As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Detalhes do fluxo de trabalho do Amazon Personalize
O fluxo de trabalho do Amazon Personalize é o seguinte. Para obter uma lista de verificação que fornece listas de recursos, requisitos e orientações de dados do Amazon Personalize, consulte o. Lista de verificação de prontidão
-
Combine seu caso de uso com os recursos do Amazon Personalize — O Amazon Personalize oferece recursos baseados em domínio e recursos personalizados configurados para casos diferentes. Ao combinar seu caso de uso com um recurso do Amazon Personalize, observe seus requisitos de dados. Depois de escolher um caso de uso ou uma receita, essas informações podem ajudar na preparação dos dados.
-
Prepare seus dados de treinamento — Com base no caso de uso do seu domínio ou nos requisitos de dados da receita personalizada, prepare seus dados de treinamento em massa em um CSV arquivo. Dependendo do seu caso de uso ou receita, o Amazon Personalize pode usar dados de interação de itens, itens, usuários, ações e interações de ações. Se você não tiver dados em massa, poderá usar operações de importação individuais para coletar dados e transmitir eventos até atender aos requisitos de treinamento do Amazon Personalize e aos requisitos de dados do seu caso de uso ou receita de domínio.
-
Crie JSON arquivos de esquema para seus dados — Crie JSON arquivos de esquema para cada tipo de dados que você está importando. Esses arquivos descrevem a estrutura e o conteúdo dos seus dados, incluindo nomes de colunas e seus tipos de dados.
-
Crie um grupo de conjuntos de dados — Um grupo de conjuntos de dados é um contêiner para recursos do Amazon Personalize. Você pode criar um grupo de conjuntos de dados de domínio com recursos pré-configurados para VIDEO _ON_ DEMAND ou domínios. ECOMMERCE Ou você pode criar um grupo de conjuntos de dados personalizados e criar somente recursos personalizados.
-
Crie esquemas e conjuntos de dados — Um esquema informa ao Amazon Personalize sobre a estrutura dos seus dados e permite que o Amazon Personalize analise os dados. Um conjunto de dados é um contêiner para dados de treinamento no Amazon Personalize.
-
Importe dados de treinamento para conjuntos de dados — Importe seus registros preparados de interação, item, usuário, ação ou interação de ação. Você pode importar registros em massa ou individualmente.
-
Treine e implante um modelo — Para treinar e implantar um modelo no VIDEO _ON_ DEMAND ou nos ECOMMERCE domínios, você cria recomendadores de domínio. Para recursos personalizados, você cria uma solução personalizada e uma versão da solução. Para recomendações em tempo real, implante a versão da solução em uma campanha.
-
Para obter informações sobre a criação de recomendadores de domínio, consulte. Recomendadores de domínio
-
Para obter informações sobre como criar e implantar recursos personalizados, consulteRecursos personalizados.
-
-
Obtenha recomendações — Use seu recomendador ou campanha personalizada para receber recomendações. Com eles, você pode incluir ou excluir certos itens das recomendações. Para obter mais informações, consulte Como filtrar recomendações e segmentos de usuários. Com recursos personalizados, você também pode obter recomendações em lote ou segmentos de usuários sem criar uma campanha.
-
Grave eventos em tempo real — Grave eventos em tempo real à medida que seus clientes interagem com as recomendações. Isso cria dados de interações e os mantém atualizados. Também informa o Amazon Personalize sobre os interesses atuais do usuário, o que pode melhorar a relevância das recomendações.
Depois de concluir o fluxo de trabalho do Amazon Personalize pela primeira vez, mantenha seus dados atualizados e treine regularmente qualquer solução personalizada que use treinamento manual. Isso permite que seu modelo aprenda com a atividade mais recente do usuário e sustente e melhore a relevância das recomendações. Para obter mais informações, consulte Manter a relevância da recomendação.