Übersicht
Die Pflege personalisierter Erlebnisse mit Machine Learning hilft Ihnen dabei, individuelle HAQM-Personalize-Erlebnisse für Ihr Produktportfolio zu erstellen, einschließlich maßgeschneiderter Empfehlungsmodelle in großem Maßstab. Diese AWS-Lösung rationalisiert und beschleunigt die Entwicklung und Bereitstellung Ihrer Personalisierungs-Workloads durch Automatisierung und Planung von Updates für Ressourcen innerhalb HAQM Personalize.
Vorteile
Automatisieren Sie die Erstellung aller Ressourcen in HAQM Personalize im Voraus, um Zeit und Kosten zu sparen.
Integrieren Sie Workflows rund um HAQM Personalize in Ihre Anwendungen.
Technische Details
Sie können diese Architektur mit dem Implementierungsleitfaden und der dazugehörigen AWS-CloudFormation-Vorlage automatisch bereitstellen.
Schritt 1
Die AWS-CloudFormation-Vorlage stellt einen HAQM Simple Storage Service (HAQM S3)-Bucket bereit, der zum Speichern von Personalisierungsdaten und Konfigurationsdateien verwendet wird.
Schritt 2
Eine AWS-Lambda-Funktion, die initiiert wird, wenn eine neue oder aktualisierte Personalisierungskonfiguration in den Personalisierungsdaten-Bucket hochgeladen wird.
Schritt 3
Ein AWS-Step-Functions-Workflow zum Verwalten aller Ressourcen einer HAQM-Personalize-Datensatz-Gruppe (einschließlich Datensätze, Schemata, Ereignisverfolgung, Filter, Lösungen, Kampagnen und Batch-Inferenz-Aufträge).
Schritt 4
HAQM-CloudWatch-Metriken für HAQM Personalize werden für jede neue trainierte Lösungsversion hinzugefügt, um Sie bei der Bewertung der Leistung eines Modells im Laufe der Zeit zu unterstützen.
Schritt 5
Ein HAQM Simple Notification Service (HAQM SNS)-Thema und -Abonnement, um einen Administrator per E-Mail zu benachrichtigen, wenn der Wartungs-Workflow abgeschlossen ist.
Schritt 6
HAQM DynamoDB verfolgt die für HAQM Personalize konfigurierten geplanten Ereignisse, um HAQM-Personalize-Lösungen vollständig oder teilweise neu zu trainieren, Datensätze zu importieren oder erneut zu importieren und Batch-Inferenzaufträge auszuführen.
Schritt 7
Ein Step-Functions-Workflow verfolgt die aktuell ausgeführten geplanten Ereignisse und ruft Step Functions auf, um die Wartung der HAQM-Personalize-Lösung (Erstellen neuer Lösungsversionen, Aktualisieren von Kampagnen), das Importieren aktualisierter Datensätze und das Ausführen von Batch-Inferenzen durchzuführen.
Schritt 8
Eine Reihe von Step Functions für die Wartung, um neue Datensatz-Importaufträge planmäßig zu erstellen; Durchführung eines VOLLSTÄNDIGEN erneuten Trainings der HAQM-Personalize-Lösung termingerecht (und Aktualisierung der zugehörigen Kampagnen); Erneutes Training für HAQM-Personalize-Lösung; UPDATE planmäßig durchzuführen (und zugehörige Kampagnen zu aktualisieren); und Erstellung von Batch-Inferenz-Aufträgen.
Schritt 9
Ein HAQM-EventBridge-Ereignisbus, in dem Aktualisierungen der Benachrichtigungen zum Ressourcenstatus im gesamten Step-Functions-Workflow veröffentlicht werden.
Schritt 10
Über eine Befehlszeilenschnittstelle (CLI) können Sie Zeitpläne für Ressourcen importieren und erstellen, die bereits in HAQM Personalize vorhanden sind.
Schritt 1
Die AWS-CloudFormation-Vorlage stellt einen HAQM Simple Storage Service (HAQM S3)-Bucket bereit, der zum Speichern von Personalisierungsdaten und Konfigurationsdateien verwendet wird.
Schritt 2
Eine AWS-Lambda-Funktion, die initiiert wird, wenn eine neue oder aktualisierte Personalisierungskonfiguration in den Personalisierungsdaten-Bucket hochgeladen wird.
Schritt 3
Ein AWS-Step-Functions-Workflow zum Verwalten aller Ressourcen einer HAQM-Personalize-Datensatz-Gruppe (einschließlich Datensätze, Schemata, Ereignisverfolgung, Filter, Lösungen, Kampagnen und Batch-Inferenz-Aufträge).
Schritt 4
HAQM-CloudWatch-Metriken für HAQM Personalize werden für jede neue trainierte Lösungsversion hinzugefügt, um Sie bei der Bewertung der Leistung eines Modells im Laufe der Zeit zu unterstützen.
Schritt 5
Ein HAQM Simple Notification Service (HAQM SNS)-Thema und -Abonnement, um einen Administrator per E-Mail zu benachrichtigen, wenn der Wartungs-Workflow abgeschlossen ist.
Schritt 6
HAQM DynamoDB verfolgt die für HAQM Personalize konfigurierten geplanten Ereignisse, um HAQM-Personalize-Lösungen vollständig oder teilweise neu zu trainieren, Datensätze zu importieren oder erneut zu importieren und Batch-Inferenzaufträge auszuführen.
Schritt 7
Ein Step-Functions-Workflow verfolgt die aktuell ausgeführten geplanten Ereignisse und ruft Step Functions auf, um die Wartung der HAQM-Personalize-Lösung (Erstellen neuer Lösungsversionen, Aktualisieren von Kampagnen), das Importieren aktualisierter Datensätze und das Ausführen von Batch-Inferenzen durchzuführen.
Schritt 8
Eine Reihe von Step Functions für die Wartung, um neue Datensatz-Importaufträge planmäßig zu erstellen; Durchführung eines VOLLSTÄNDIGEN erneuten Trainings der HAQM-Personalize-Lösung termingerecht (und Aktualisierung der zugehörigen Kampagnen); Erneutes Training für HAQM-Personalize-Lösung; UPDATE planmäßig durchzuführen (und zugehörige Kampagnen zu aktualisieren); und Erstellung von Batch-Inferenz-Aufträgen.
Schritt 9
Ein HAQM-EventBridge-Ereignisbus, in dem Aktualisierungen der Benachrichtigungen zum Ressourcenstatus im gesamten Step-Functions-Workflow veröffentlicht werden.
Schritt 10
Über eine Befehlszeilenschnittstelle (CLI) können Sie Zeitpläne für Ressourcen importieren und erstellen, die bereits in HAQM Personalize vorhanden sind.
Ähnliche Inhalte
Dieses Video zeigt Ihnen, wie Sie die Entwicklung, Automatisierung und Bereitstellung Ihrer HAQM-Personalize-Workloads mithilfe des Erhaltens personalisierter Erlebnisse mit Machine Learning optimieren und beschleunigen können.
- Datum der Veröffentlichung