La recommandation de A à Z [3/3]: créer et exposer un modèle AWS Personalize - Mixpanel
Non classifié(e)

La recommandation de A à Z [3/3]: créer et exposer un modèle AWS Personalize

Published date: Nov 12, 2021
Cet article a été initialement publié sur medium.com
Dans le premier article de cette série, nous avons vu comment traquer les interactions entre des utilisateurs et du contenu à l’aide de , puis géré l’export des ces données vers . Ensuite, dans le second article, nous avons discuté d’ETL avec  pour préparer ces données pour .

Comment fonctionne la recommandation ?

Créer un groupe jeux de données

Interface des dataset groups
Création d’un dataset group
Exemple de dataset group actif
Tableau de bord d’un dataset group

Chargement de vos jeux de données

Jeux de données requis par un dataset group
Exemple de schéma utilisateur
Exemple de schéma d’item pour une vidéo
Exemple (minamaliste) d’un schéma d’interaction
Configuration de la tâche d’import d’un dataset
Policy à attacher au rôle d’accès de Personalize
Policy à attacher au bucket S3
Statuts de la tâche d’import d’un dataset
Dataset importé avec succès

Créer une solution

Interface de création d’une solution
Interface d’optimisation d’hyperparamètres
Statuts de création d’une solution

Créer une campagne pour une solution entraînée

Interface de création d’une campagne

Rendre les prédictions disponibles

Exemple de code pour récupérer des recommandations
Exemple de réponse de notre moteur de recommandation

Bonus: Configurer le tracking Personalize

Interface des Event trackers
Création d’un Event tracker
Identifiant d’un Event tracker
Exemple de code de tracking

Comment fonctionne la tarification d’AWS Personalize ?

Conclusion

Merci !

Get the latest from Mixpanel
This field is required.