Publié le: Oct 9, 2020
Nous sommes heureux d'annoncer des améliorations d'efficacité pour HAQM Personalize qui réduisent le temps nécessaire à l'entraînement de modèle jusqu'à 40 % et réduise la latence liée à la génération de recommandations en temps réel jusqu'à 30 %. HAQM Personalize permet aux développeurs de concevoir des applications avec la même technologie de machine learning (ML) utilisée par HAQM.com pour les recommandations personnalisées en temps réel. Aucune expertise en ML n'est requise. HAQM Personalize alloue l'infrastructure nécessaire et gère l'intégralité du pipeline ML, y compris le traitement des données, l'identification des fonctions, l'utilisation des meilleurs algorithmes ainsi que l'entraînement, l'optimisation et l'hébergement des modèles.
Pour utiliser HAQM Personalize, vous devez fournir les données d'interaction des utilisateurs du service (vues des pages, inscriptions, achats, etc.) extraites de vos applications, ainsi que des informations démographiques facultatives sur les utilisateurs (âge, lieu, etc.) et la liste de ce que vous souhaitez recommander, tels que des articles, des produits, des vidéos ou de la musique. Ensuite, en arrière-plan, HAQM Personalize traite et examine les données, identifie celles qui sont pertinentes, entraîne et optimise un modèle de personnalisation adapté à vos données, et est accessible via une API qui peut facilement être appelée par votre application métier. Vous pouvez utiliser tant les données historiques stockées dans HAQM Simple Storage Service (S3) que les données de streaming envoyées en temps réel par un tracker JavaScript ou côté serveur.
Pour connaître la liste complète des régions dans lesquelles HAQM Personalize est disponible, consultez la page des régions AWS. Pour démarrer avec HAQM Personalize, consultez la console et la documentation.