Amazon Personalize Workflows - Amazon Personalize

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Amazon Personalize Workflows

Con Amazon Personalize, hay dos opciones de flujo de trabajo:

  • Puede crear un grupo de conjuntos de datos de dominio con recursos optimizados para diferentes casos de uso. Si comienza con un grupo de conjuntos de datos de dominio, aún puede agregar recursos personalizados, como soluciones y versiones de soluciones preparadas para casos de uso personalizados.

  • O puede crear un grupo de conjuntos de datos personalizados con recursos personalizados.

Flujo de trabajo para grupos de datasets

Para crear recursos basados en dominios, debes crear un grupo de conjuntos de datos de dominio para tu dominio empresarial, importar tus datos, crear recomendadores para cada uno de tus casos de uso y, a continuación, obtener recomendaciones. Repite el proceso de importación de datos a medida que crezca tu catálogo para mantener la relevancia de tus recomendaciones. Puede completar el flujo de trabajo del dominio con la consola de Amazon Personalize,AWS Command Line Interface(AWS CLI), o elAWSSDK.

  1. Crear un grupo de conjuntos de datos de

    Cuando crees un grupo de conjuntos de datos de dominio, elige tu dominio empresarial entre los siguientes tipos.

    • VIDEO_ON_DEMAND

    • ECOMMERCE

  2. Importación de datos

    Importa registros de elementos, usuarios e interacciones aconjuntos de(Amazon Personalize personaliza los contenedores para los datos). Puede elegir importar registros de forma masiva, individual o ambas cosas. Con las importaciones individuales, puede agregar uno o más registros históricos o importar datos de la actividad del usuario en tiempo real.

    Los datos que importas dependen de tu dominio. Cada dominio tiene un esquema predeterminado al que puede asignar sus datos. Para obtener información sobre los tipos de datos que puede importar, consulteConjuntos de datos y esquemasy las secciones de cada dominio (Conjuntos de datos y esquemas VIDEO_ON_DEMANDyConjuntos de datos y esquemas de comercio electrónico).

  3. Crea recomendadores

    Una vez importados los datos, Amazon Personalize los utiliza para entrenar uno o más modelos. Para los grupos de conjuntos de datos de dominio, se empieza a entrenar creando unRecomendadorpara cada uno de sus casos de uso. Amazon Personalize capacita a los modelos que respaldan a cada recomendador con las mejores configuraciones para el caso de uso seleccionado. Para obtener más información, consulteCreación de recomendaciones de.

  4. Obtener recomendaciones

    Después de que Amazon Personalize cree sus recomendadores, puede usarlos para obtener recomendaciones con la consola de Amazon Personalize,AWS Command Line Interface(AWS CLI), o elAWSSDK. Para obtener más información, consulteObtener recomendaciones de un recomendador.

  5. Actualiza tus datos y repite

    Mantenga actualizados sus datos de artículos y usuarios y registre los nuevos datos de interacción en tiempo real. Amazon Personalize administra el ciclo de vida de sus recomendadores y vuelve a capacitar los modelos a medida que cambian sus conjuntos de datos. Esto permite que el modelo aprenda de la actividad más reciente del usuario y mantiene y mejora la relevancia de las recomendaciones. Para obtener más información, consulteMantener la relevancia de las recomendaciones (grupo de conjuntos de datos.

Flujo de trabajo para grupos de datos personalizados

Con el flujo de trabajo personalizado, usted determina su caso de uso, importa sus datos, entrena e implementa un modelo y, a continuación, recibe recomendaciones. Repite los procesos de importación de datos y formación para mantener y mejorar la relevancia de tus recomendaciones a medida que crece tu catálogo. Puede completar el flujo de trabajo de Amazon Personalize con la consola de Amazon Personalize,AWS Command Line Interface(AWS CLI), o elAWSSDK.

  1. Determinación de su caso de uso

    Elija su caso de uso entre los siguientes y anote su tipo de receta correspondiente. (Las recetas son algoritmos de Amazon Personalize preparados para diferentes casos de uso.)

    • Recomendar artículos para los usuarios (recetas USER_PERSONALIZATION)

    • Clasificación de elementos para un usuario determinado (recetas PERSONALIZED_RANKING)

    • Recomendar artículos similares (recetas RELATED_ITEMS)

    Para obtener más información, consulteDeterminar su caso de uso.

  2. Importación de datos

    Importa registros de elementos, usuarios e interacciones aconjuntos de(Amazon Personalize personaliza los contenedores para los datos). Puede elegir importar registros de forma masiva, individual o ambas cosas. Con las importaciones individuales, puede agregar uno o más registros históricos o importar datos de la actividad del usuario en tiempo real.

    Los datos que importe dependen de su caso de uso. Para obtener información sobre los tipos de datos que puede importar, consulteConjuntos de datos y esquemasy las secciones de cada tipo de conjunto de datos (Datos de interacciones,Datos del artículo,Datos de usuario).

    Para obtener más información sobre la importación de datos, consultePreparación e importación de datos de.

  3. Capacitación de un modelo

    Una vez importados los datos, Amazon Personalize los utiliza para entrenar un modelo. En Amazon Personalize, empiezas a entrenar creando unsolution, donde especificas tu caso de uso eligiendo una receta de Amazon Personalize. A continuación, crea unversión de, que es el modelo entrenado que Amazon Personalize utiliza para generar recomendaciones. Para obtener más información, consulteCreación de una solución.

  4. Implemente un modelo (para recomendaciones en tiempo real)

    Cuando Amazon Personalize termine de crear la versión de la solución (modelo entrenado), la implementa en una campaña. Una campaña crea y administra una API de recomendaciones que utilizas en tu aplicación para solicitar recomendaciones en tiempo real de tu modelo personalizado. Para obtener más información sobre la implementación de un modelo, consulteCreación de una campaña. Para las Recomendaciones de lotes, no es necesario que cree una campaña.

  5. Obtenga recomendaciones y segmentos de usuarios

    Obtenga recomendaciones en tiempo real o como parte de un flujo de trabajo por lotes. Obtenga recomendaciones en tiempo real cuando quiera actualizar las recomendaciones a medida que los clientes utilizan su aplicación. Obtenga recomendaciones de lotes y segmentos de usuarios cuando no necesite actualizaciones en tiempo real. Para obtener más información, consulte Obtener recomendaciones (grupo de conjuntos de datos personalizados).

  6. Actualiza tus datos y repite

    Mantenga actualizados sus datos de artículos y usuarios, registre los nuevos datos de interacción en tiempo real y vuelva a entrenar su modelo de forma regular. Esto permite que el modelo aprenda de la actividad más reciente del usuario y mantiene y mejora la relevancia de las recomendaciones. Para obtener más información, consulteMantenimiento de la relevancia de.