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.
Detalles del flujo de trabajo de Amazon Personalize
El flujo de trabajo de Amazon Personalize es el que se indica a continuación. Para obtener una lista de verificación que proporciona listas de las características, los requisitos y la orientación sobre datos de Amazon Personalize, consulte la Lista de verificación de preparación.
-
Correlacione el caso de uso con los recursos de Amazon Personalize: Amazon Personalize incluye recursos basados en dominio y recursos personalizados que se han configurado para distintos casos. Al correlacionar el caso de uso con un recurso de Amazon Personalize, tenga en cuenta los requisitos de datos. Después de elegir un caso de uso o una receta, esta información puede ayudarlo a preparar los datos.
-
Prepara los datos de entrenamiento: en función del caso de uso de tu dominio o de los requisitos de datos de la receta personalizada, prepara tus datos de entrenamiento masivos en un CSV archivo. En función del caso de uso o receta, Amazon Personalize puede utilizar los datos de interacciones de elementos, elementos, usuarios, acciones e interacciones de acciones. Si no tiene datos masivos, puede utilizar operaciones de importación individuales para recopilar datos y transmitir eventos hasta que cumpla los requisitos de entrenamiento de Amazon Personalize y los requisitos de datos del caso de uso o receta del dominio.
-
Cree JSON archivos de esquema para sus datos: cree JSON archivos de esquema para cada tipo de datos que vaya a importar. Estos archivos describen la estructura y el contenido de los datos, incluidos los nombres de las columnas y los tipos de datos.
-
Cree un grupo de conjuntos de datos: un grupo de conjuntos de datos es un contenedor para los recursos de Amazon Personalize. Puede crear un grupo de conjuntos de datos de dominio con recursos preconfigurados para VIDEO _ON_ DEMAND o dominios. ECOMMERCE O puede crear un grupo de conjuntos de datos personalizados y crear solo recursos personalizados.
-
Cree esquemas y conjuntos de datos: un esquema informa a Amazon Personalize de la estructura de los datos y permite que Amazon Personalize analice los datos. Un conjunto de datos es un contenedor de datos de entrenamiento en Amazon Personalize.
-
Importe los datos de entrenamiento a conjuntos de datos: importe registros preparados de interacciones, elementos, usuarios, acciones o interacciones de acciones. Puede importar registros de forma masiva o individual.
-
Entrenar e implementar un modelo: para entrenar e implementar un modelo para VIDEO _ON_ DEMAND o ECOMMERCE dominios, debe crear recomendadores de dominios. En el caso de los recursos personalizados, cree una solución personalizada y una versión de solución. Para obtener recomendaciones en tiempo real, implemente la versión de la solución en una campaña.
-
Para obtener información sobre cómo crear recomendadores de dominios, consulte Recomendadores de dominios.
-
Para obtener información sobre cómo crear e implementar recursos personalizados, consulte Recursos personalizados.
-
-
Obtenga recomendaciones: use el recomendador o la campaña personalizada para obtener recomendaciones. Puede utilizar filtros para incluir o excluir determinados tipos de elementos de las recomendaciones. Para obtener más información, consulte Recomendaciones de filtrado y segmentos de usuarios. Con los recursos personalizados, también puede obtener recomendaciones por lotes o segmentos de usuarios sin crear una campaña.
-
Registre los eventos en tiempo real: registre los eventos en tiempo real a medida que los clientes interactúen con las recomendaciones. De esta forma, se construyen los datos de las interacciones y se mantienen actualizados. Además, se informa a Amazon Personalize sobre los intereses actuales del usuario, lo que puede mejorar la relevancia de las recomendaciones.
Después de completar el flujo de trabajo de Amazon Personalize por primera vez, mantenga los datos actualizados y vuelva a entrenar periódicamente cualquier solución personalizada que use el entrenamiento manual. Esto permite que su modelo aprenda de la actividad más reciente de sus usuarios y mantiene y mejora la relevancia de las recomendaciones. Para obtener más información, consulte Mantenimiento de la relevancia de las recomendaciones.