Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Memulai prasyarat
<a name="gs-prerequisites"></a>

Langkah-langkah berikut adalah prasyarat untuk latihan memulai.

1.  Siapkan izin agar Amazon Personalize dapat mengakses sumber daya Anda atas nama Anda. Ini melibatkan pembuatan peran layanan untuk Amazon Personalize dan memberinya akses ke Amazon Personalize resource dengan kebijakan IAM. Untuk informasi selengkapnya, lihat [Memberikan izin Amazon Personalize untuk mengakses sumber daya Anda](set-up-required-permissions.md). 

1. Siapkan data pelatihan Anda dan unggah data ke bucket Amazon S3 Anda: 
   +  Untuk tutorial grup kumpulan data Domain, lihat[Membuat data pelatihan (Grup dataset domain)](#gs-data-prep-domain). 
   +  Untuk tutorial grup kumpulan data kustom, lihat[Membuat data pelatihan (grup dataset kustom)](#gs-upload-to-bucket). 

1.  Berikan izin peran layanan Amazon Personalize Anda untuk mengakses sumber daya Amazon S3 Anda, seperti yang ditentukan dalam. [Memberikan Amazon Personalisasi akses ke sumber daya Amazon S3](granting-personalize-s3-access.md) 

## Membuat data pelatihan (Grup dataset domain)
<a name="gs-data-prep-domain"></a>

Untuk membuat data pelatihan, unduh, modifikasi, dan simpan data peringkat film ke bucket Amazon Simple Storage Service (Amazon S3). Kemudian berikan izin Amazon Personalize untuk membaca dari ember.

**Untuk membuat data pelatihan**

1. Unduh dan unzip file zip peringkat film, [ml-latest-small.zip](http://files.grouplens.org/datasets/movielens/ml-latest-small.zip) dari [MovieLens](https://grouplens.org/datasets/movielens)bawah yang *direkomendasikan untuk pendidikan dan pengembangan (F. Maxwell Harper dan* Joseph A. Konstan. 2015. MovieLens Kumpulan Data: Sejarah dan Konteks. Transaksi ACM pada Sistem Cerdas Interaktif (TII) 5, 4:19:1 - 19:19. https://doi.org/10.1145/2827872). 

1. Buka file `ratings.csv`. File ini berisi data interaksi untuk tutorial ini.

   1. Hapus kolom *peringkat*.

   1. Ganti nama `userId` dan `movieId` kolom menjadi `USER_ID` dan `ITEM_ID` masing-masing.

   1. Tambahkan kolom EVENT\$1TYPE dan atur nilai untuk setiap catatan. `watch` Jika Anda menggunakan Microsoft Excel, Anda dapat mengatur EVENT\$1TYPE untuk setiap catatan dengan memasukkan sel pertama `watch` di kolom dan kemudian mengklik dua kali sudut kanan bawah sel. Header Anda harus sebagai berikut:

      **USER\$1ID,ITEM\$1ID,TIMESTAMP,EVENT\$1TYPE**

      Kolom ini harus persis seperti yang ditunjukkan untuk Amazon Personalize untuk mengenali data. Beberapa baris pertama data Anda akan terlihat sebagai berikut:

      ```
      USER_ID,ITEM_ID,TIMESTAMP,EVENT_TYPE
      1,1,964982703,watch
      1,3,964981247,watch
      1,6,964982224,watch
      1,47,964983815,watch
      1,50,964982931,watch
      ....
      ....
      ```

   Simpan file `ratings.csv`.

1. Unggah `ratings.csv` ke bucket Amazon S3 Anda. Untuk informasi selengkapnya, lihat [Mengunggah file dan folder menggunakan seret dan lepas](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) di Panduan Pengguna Layanan Penyimpanan Sederhana Amazon.

1. Berikan izin Amazon Personalize untuk membaca data di bucket. Untuk informasi selengkapnya, lihat [Memberikan Amazon Personalisasi akses ke sumber daya Amazon S3](granting-personalize-s3-access.md).

## Membuat data pelatihan (grup dataset kustom)
<a name="gs-upload-to-bucket"></a>

Untuk membuat data pelatihan, unduh, modifikasi, dan simpan data peringkat film ke bucket Amazon Simple Storage Service (Amazon S3). Kemudian berikan izin Amazon Personalize untuk membaca dari ember.

1. Unduh dan unzip file zip peringkat film, [ml-latest-small.zip](http://files.grouplens.org/datasets/movielens/ml-latest-small.zip) dari [MovieLens](https://grouplens.org/datasets/movielens)bawah yang *direkomendasikan untuk pendidikan dan pengembangan (F. Maxwell Harper dan* Joseph A. Konstan. 2015. MovieLens Kumpulan Data: Sejarah dan Konteks. Transaksi ACM pada Sistem Cerdas Interaktif (TII) 5, 4:19:1 - 19:19. https://doi.org/10.1145/2827872). 

1. Buka file `ratings.csv`. File ini berisi data interaksi untuk tutorial ini.

   1. Hapus kolom *peringkat*.

   1. Ganti baris header dengan yang berikut:

      **USER\$1ID,ITEM\$1ID,TIMESTAMP**

      Header ini harus persis seperti yang ditunjukkan untuk Amazon Personalize untuk mengenali data.

   Simpan file `ratings.csv`.

1. Unggah `ratings.csv` ke bucket Amazon S3 Anda. Untuk informasi selengkapnya, lihat [Mengunggah file dan folder menggunakan seret dan lepas](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) di Panduan Pengguna Layanan Penyimpanan Sederhana Amazon.

1. Berikan izin Amazon Personalize untuk membaca data di bucket. Lihat informasi yang lebih lengkap di [Memberikan Amazon Personalisasi akses ke sumber daya Amazon S3](granting-personalize-s3-access.md).