Getting Started with Amazon Personalize

한편 성큼 다가온 졸업프로젝트...

 

우리 서비스를 위해서 개발할 

 

https://explore.skillbuilder.aws/learn/course/12437/Getting%2520Started%2520with%2520Amazon%2520Personalize

Self-paced digital training on AWS - AWS Skill Builder

 

In this course, you will:

• Understand how Amazon Personalize works.
• Familiarize yourself with the technical concepts of Amazon Personalize.
• Explore typical use cases for Amazon Personalize.
• Discover what it takes to implement Amazon Personalize in a real-world scenario.
• Recognize the benefits of Amazon Personalize.
• Review the cost structure of Amazon Personalize.
• Learn how to use Amazon Personalize on the AWS Management Console.

 

Introduction to Amazon Personalize

 

In this lesson, you will learn:

• How Amazon Personalize works
• What problems Amazon Personalize solves
• The benefits of Amazon Personalize
• Amazon Personalize pricing

 

• How Amazon Personalize works

Amazon Personalize를 사용하면 개발자는 광범위한 개인화 경험을 제공하는 어플리케이션을 쉽게 구축할 수 있음

ex) 특정 제품 추천, 개인화된 제품 순위 재지정, 맞춤형 다이렉트 마케팅

 

• What problems Amazon Personalize solves

고유한 홈페이지 경험 제공, 마케팅 커뮤니케이션 개선, 고도로 선별된 콘텐츠 캐러셀 작업, 관련 제품 순위 표시, 콘텐츠 소비 증가, 제품 추천 구체화, 고객이 제품을 더 빨리 찾을 수 있도록, 상향 판매 및 교차 판매 촉진

 

• The benefits of Amazon Personalize

해당 서비스의 ML 알고리즘은 고품질의 추천 사항 생성 가능, 며칠 만에 생성할 수 있는 간단함, 대규모 고객의 경험을 개인화,  데이터를 비공개로 안전하게 유지할 수 있다는 장점을 가진다. 특히 AWS Key Management Service (AWS KMS)를 사용하면 암호화된 데이터에 액세스할 수 있는 사람을 제어 가능.

 

• Amazon Personalize pricing

프리티어는 처음 2개월간 제공. 매달 20GB 스토리지 제공.

사용 사례 최적화 추천자, 사용자 세분화, 맞춤 추천 솔루션 등이 있는데... 이는 좀 더 자세하게 나중에.

 

 

Architecture and Use Cases

 

In this lesson, you will learn:

• Technical concepts of Amazon Personalize
• Typical use cases for Amazon Personalize
• Requirements to implement Amazon Personalize in a real-world scenario

 

• Technical concepts of Amazon Personalize

CreateDatasetGroup을 호출해서 데이터 세트 그룹 생성. CreateDataset 호출해서 데이터 세트를 만들고 데이터 세트 그룹에 추가. 데이터 세트 그룹은 CreateSolution을 호출해서 솔루션을 만들고 교육하는 데 사용. 

 

Interactions dataset: 사용자와 카탈로그 항목 간의 상호 작용에서 기록 및 실시간 데이터 저장

Items metadata dataset: Ecommerce 항목에 대한 메타데이터 저장

Users metadata dataset: 사용자에 대한 메타데이터 저장

 

Event tracker: AWS SDK, AWS Amplify, AWS CLI를 사용해서 실시간 이벤트를 기록할 수 있음, 이벤트를 기록하면 Amazon Pesonalize는 데이터 세트 그룹의 상호 작용 데이터 세트에 이벤트 데이터 추가

Campaign: 훈련된 기계학습 모델

 

Lambda: Amazon Personalize로 스트리밍되는 실시간 데이터와 Amazon S3를 사용해서 업로드되는 배치 데이터

Lambda: Amazon Personalize 캠페인에서 맞춤형 추천 또는 유사 항목 추천을 받음

Amazon Pinpoint: 대상 이메일 목록 생성

 

데이터 계층: 사용자(메타데이터), 항목(메타데이터), 상호작용

교육 계층: recipe 선택, 솔루션 구성, 솔루션 버전 생성(모델 교육), 버전 성능 평가

추론 계층: 실시간 추천 받을 수 있음. GetRecommentdations 또는 GetPersonalizedRanking API 작업을 통해서.

 

• Typical use cases for Amazon Personalize

데이터 세트, AWS 자격 증명 및 액세스 관리(IAM), S3 버킷, AWS CLI, 개발자 안내서의 Amazon Personalize 용어

 

 

Introduction to Amazon Personalize Demonstrations

 

In this lesson, you will learn how to use Amazon Personalize to meet the challenges that many face when they try to build a real-time recommender system.

 

이제 상호 작용 데이터를 Amazon S3로 수집하고, Amazon Personalize 추천자를 배포하고, 관리형 엔드포인트에서 추천을 받을 수 있다.

 

우선 데이터를 다운로드하고 수정해서 파일을 S3 버킷에 업로드

-> Interactions dataset: Amazon Personalize 데이터 세트 그룹을 생성한 후, Amazon S3에서 가져오기 작업 진행

-> Recommenders...: 추천자 제공, 추천 유형은 사용 사례에 따라 다름

-> 추천자가 생성된 후, 사용자는 사용자 ID로 관리 엔드포인트를 쿼리해서 결과를 테스트하고 추천 받음

 

 

Create an S3 Bucket

 

In this lesson, you will learn how to create an Amazon S3 bucket and load sample data for use with Amazon Personalize.

 

 

Import Data and Generate Recommendations

 

In this lesson, you will learn how to set up your Amazon Personalize deployment using the AWS Management Console.

 

이후 삭제는 알아서.