Traitement des données et importation de celles-ci dans Amazon Personalize

Lorsque vous avez terminé d'analyser et de transformer vos données, vous êtes prêt à les traiter et à les importer dans Amazon Personalize.

• Traitement des données : le traitement des données applique votre transformation à l'ensemble de votre ensemble de données et la renvoie vers une destination que vous spécifiez. Dans ce cas, vous spécifiez un compartiment Amazon S3.

• Importation de données dans Amazon Personalize — Pour importer des données traitées dans Amazon Personalize, vous devez exécuter un bloc-notes Jupyter fourni dans SageMaker Studio Classic. Ce bloc-notes crée vos ensembles de données Amazon Personalize et y importe vos données.

Traitement des données

Avant d'importer des données dans Amazon Personalize, vous devez appliquer votre transformation à l'ensemble de votre ensemble de données et la transférer dans un compartiment Amazon S3. Pour ce faire, vous créez un nœud de destination dont la destination est définie sur un compartiment Amazon S3, puis vous lancez une tâche de traitement pour la transformation.

Pour step-by-step obtenir des instructions sur la spécification d'une destination et le lancement d'une tâche de traitement, consultez Lancer des tâches de traitement en quelques clics à l'aide d'Amazon SageMaker Data Wrangler. Lorsque vous ajoutez une destination, choisissez Amazon S3. Vous utiliserez cet emplacement lorsque vous importerez les données traitées dans Amazon Personalize.

Lorsque vous avez terminé de traiter vos données, vous êtes prêt à les importer depuis le compartiment Amazon S3 dans Amazon Personalize.

Importation de données dans Amazon Personalize

Après avoir traité vos données, vous êtes prêt à les importer dans Amazon Personalize. Pour importer des données traitées dans Amazon Personalize, vous devez exécuter un bloc-notes Jupyter fourni dans SageMaker Studio Classic. Ce bloc-notes crée vos ensembles de données Amazon Personalize et y importe vos données.

Pour importer des données traitées dans Amazon Personalize

1. Pour la transformation que vous souhaitez exporter, choisissez Exporter vers et Amazon Personalize (via Jupyter Notebook).

2. Modifiez le bloc-notes pour spécifier le compartiment Amazon S3 que vous avez utilisé comme destination des données pour la tâche de traitement. Spécifiez éventuellement le domaine de votre groupe de jeux de données. Par défaut, le bloc-notes crée un groupe de jeux de données personnalisé.

3. Passez en revue les cellules du bloc-notes qui créent le schéma. Vérifiez que les champs du schéma possèdent les types et les attributs attendus avant d'exécuter la cellule.

   • Vérifiez que les champs prenant en charge les données nulles null figurent dans la liste des types. L'exemple suivant montre comment ajouter null pour un champ.

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

   • Vérifiez que l'attribut catégoriel est défini sur true pour les champs catégoriels. L'exemple suivant montre comment marquer un champ comme catégorique.

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

   • Vérifiez que l'attribut textuel des champs textuels est défini sur true. L'exemple suivant montre comment marquer un champ comme textuel.

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

4. Exécutez le bloc-notes pour créer un schéma, créer un ensemble de données et importer vos données dans le jeu de données Amazon Personalize. Vous exécutez le bloc-notes comme vous le feriez avec un bloc-notes en dehors de SageMaker Studio Classic. Pour plus d'informations sur l'exécution des blocs-notes Jupyter, consultez Running Code. Pour plus d'informations sur les blocs-notes dans SageMaker Studio Classic, consultez la section Utiliser les SageMaker blocs-notes Amazon dans le manuel Amazon SageMaker Developer Guide.

   Une fois le bloc-notes terminé, si vous avez importé des données d'interactions, vous êtes prêt à créer des recommandations ou des ressources personnalisées. Vous pouvez également répéter le processus avec un jeu de données d'éléments ou un ensemble de données d'utilisateurs.

   • Pour plus d'informations sur la création de recommandeurs de domaine, consultezRecommandeurs de domaines dans Amazon Personalize.

   • Pour plus d'informations sur la création et le déploiement de ressources personnalisées, consultezRessources personnalisées pour la formation et le déploiement des modèles Amazon Personalize.