翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# 開始方法 (AWS CLI)
この演習では、AWS Command Line Interface (AWS CLI) を使用して Amazon Personalize を詳しく学びます。映画のレコメンデーションを特定のユーザー ID に返すキャンペーンを作成します。
この演習を開始する前に、以下を実行します。
+ 開始方法「[開始方法の前提条件](gs-prerequisites.md)」を見る
+ AWS CLI をセットアップします。「[のセットアップ AWS CLI](aws-personalize-set-up-aws-cli.md)」の手順に従ってください。
開始方法の演習を完了したら、不要な料金が発生しないように、作成したリソースを削除します。詳細については、「[Amazon Personalize リソースを削除するための要件](deleting-resources.md)」を参照してください。
**注記**
この演習の AWS CLI コマンドは Linux でテストされています。Windows での AWS CLI コマンドの使用については、*AWS Command Line Interface ユーザーガイド*の「[AWS Command Line Interface のパラメータ値の指定](https://docs.aws.amazon.com/cli/latest/userguide/cli-using-param.html)」を参照してください。
## ステップ 1: トレーニングデータをインポートする
次の手順に従って、データセットグループを作成し、このグループにデータセットを追加します。次に、映画のレーティングデータを使用してデータセットを事前設定します。
1. 次のコマンドを実行してデータセットグループを作成します。データセットグループを暗号化するには、[AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html) キー ARN と、そのキーへの許可を持つ IAM ロールのARN を入力パラメータとして渡します。API の詳細については、「[CreateDatasetGroup](API_CreateDatasetGroup.md)」を参照してください。
```
aws personalize create-dataset-group --name MovieRatingDatasetGroup --kms-key-arn arn:aws:kms:us-west-2:01234567890:key/1682a1e7-a94d-4d92-bbdf-837d3b62315e --role-arn arn:aws:iam::01234567890:KMS-key-access
```
データセットグループの ARN が表示されます。次に例を示します。
```
{
"datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup"
}
```
作成したデータセットグループを表示するには、返されたデータセットグループの ARN を指定して、`describe-dataset-group` コマンドを使用します。
```
aws personalize describe-dataset-group \
--dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup
```
データセットグループとそのプロパティが表示されます。次に例を示します。
```
{
"datasetGroup": {
"name": "MovieRatingDatasetGroup",
"datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
"status": "ACTIVE",
"creationDateTime": 1542392161.262,
"lastUpdatedDateTime": 1542396513.377
}
}
```
**注記**
データセットグループ内にデータセットを作成するには、データセットグループの `status` が ACTIVE になるまで待ちます。通常、このオペレーションは高速に処理されます。
データセットグループの ARN が不明な場合は、`list-dataset-groups` コマンドを使用して、作成したすべてのデータセットグループとその ARN を表示します。
```
aws personalize list-dataset-groups
```
**注記**
`describe-object` および `list-objects` コマンドは、ほとんどの Amazon Personalize オブジェクトで使用できます。これらのコマンドは、この演習で以後取り扱いませんが、いつでも使用可能です。
1. 次のコードを `MovieRatingSchema.json` という名前のファイルに保存して、スキーマファイルを JSON 形式で作成します。スキーマは、以前に `ratings.csv` に追加したヘッダーと一致します。スキーマ名である `Interactions` は、Amazon Personalize で認識されるデータセットの種類の 1 つと一致します。詳細については、「[Amazon Personalize スキーマのスキーマ JSON ファイルの作成](how-it-works-dataset-schema.md)」を参照してください。
```
{
"type": "record",
"name": "Interactions",
"namespace": "com.amazonaws.personalize.schema",
"fields": [
{
"name": "USER_ID",
"type": "string"
},
{
"name": "ITEM_ID",
"type": "string"
},
{
"name": "TIMESTAMP",
"type": "long"
}
],
"version": "1.0"
}
```
1. 次のコマンドを実行してスキーマを作成します。前のステップで保存したファイルを指定します。次の例は、現在のフォルダに属するファイルを示しています。API の詳細については、「[CreateSchema](API_CreateSchema.md)」を参照してください。
```
aws personalize create-schema \
--name MovieRatingSchema \
--schema file://MovieRatingSchema.json
```
スキーマの Amazon リソースネーム (ARN) が表示されます。次に例を示します。
```
{
"schemaArn": "arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema"
}
```
1. 次のコマンドを実行して空のデータセットを作成します。前のステップで返されたデータセットグループの ARN とスキーマの ARN を指定します。`dataset-type` は、前のステップのスキーマ `name` と一致する必要があります。API の詳細については、「[CreateDataset](API_CreateDataset.md)」を参照してください。
```
aws personalize create-dataset \
--name MovieRatingDataset \
--dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
--dataset-type Interactions \
--schema-arn arn:aws:personalize:us-west-2:acct-id:schema/MovieRatingSchema
```
データセットの ARN が表示されます。次に例を示します。
```
{
"datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS"
}
```
1. トレーニングデータをデータセットに追加します。
1. 次のコマンドを実行してデータセットのインポートジョブを作成します。前のステップで返されたデータセットの ARN と Amazon S3 バケットの名前を指定します。[Amazon Personalize 向けの IAM ロールの作成](set-up-required-permissions.md#set-up-create-role-with-permissions) で作成した AWS Identity and Access Management (IAM) ロールの ARN を指定します。API の詳細については、「[CreateDatasetImportJob](API_CreateDatasetImportJob.md)」を参照してください。
```
aws personalize create-dataset-import-job \
--job-name MovieRatingImportJob \
--dataset-arn arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS \
--data-source dataLocation=s3://amzn-s3-demo-bucket/ratings.csv \
--role-arn roleArn
```
データセットのインポートジョブの ARN が表示されます。次に例を示します。
```
{
"datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob"
}
```
1. `describe-dataset-import-job` コマンドを使用してステータスを確認します。前のステップで返されたデータセットのインポートジョブの ARN を指定します。API の詳細については、「[DescribeDatasetImportJob](API_DescribeDatasetImportJob.md)」を参照してください。
```
aws personalize describe-dataset-import-job \
--dataset-import-job-arn arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob
```
データセットのインポートジョブのプロパティとそのステータスが表示されます。最初、`status` は CREATE PENDING と表示されます。次に例を示します。
```
{
"datasetImportJob": {
"jobName": "MovieRatingImportJob",
"datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/MovieRatingImportJob",
"datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/MovieRatingDatasetGroup/INTERACTIONS",
"dataSource": {
"dataLocation": "s3://amzn-s3-demo-bucket/ratings.csv"
},
"roleArn": "role-arn",
"status": "CREATE PENDING",
"creationDateTime": 1542392161.837,
"lastUpdatedDateTime": 1542393013.377
}
}
```
ステータスが ACTIVE と表示されると、データセットのインポートが完了します。これで、指定したデータセットを使用してモデルをトレーニングする準備が整いました。
**注記**
インポートには時間がかかります。データセットのインポートが完了するまで待ってから、データセットを使用してモデルのトレーニングを開始します。
## ステップ 2: ソリューションを作成する (モデルをトレーニングする)
モデルをトレーニングするには、[CreateSolution](API_CreateSolution.md) オペレーションを使用してモデルをトレーニングするための設定を作成し、自動トレーニングをオンのままにします。ソリューションは 1 時間以内に最初のソリューションのトレーニングを自動的に開始します。
レシピとトレーニングデータを使用してモデルをトレーニングします。Amazon Personalize は、事前定義された一連のレシピを提供します。詳細については、「[レシピの選択](working-with-predefined-recipes.md)」を参照してください。この演習では、User-Personalization-v2 レシピを使用します。
1. モデルトレーニングの設定を作成するには、次のコマンドを実行します。このコマンドは、自動トレーニングを使用するソリューションを作成します。7 日ごと (デフォルト) に新しいソリューションバージョンが自動的に作成されます。
```
aws personalize create-solution \
--name MovieSolution \
--dataset-group-arn arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup \
--recipe-arn arn:aws:personalize:::recipe/aws-user-personalization-v2 \
--perform-auto-training \
--solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(7 days)\"}}"
```
ソリューションの ARN が表示されます。次に例を示します。
```
{
"solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution"
}
```
1. `describe-solution` コマンドを使用して *[create]* (作成) のステータスを確認します。前のステップで返されたソリューションの ARN を指定します。API の詳細については、「[DescribeSolution](API_DescribeSolution.md)」を参照してください。
```
aws personalize describe-solution \
--solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution
```
ソリューションのプロパティと作成の `status` が表示されます。例:
```
{
"solution": {
"name": "MovieSolution",
"solutionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution",
"performHPO": false,
"performAutoML": false,
"recipeArn": "arn:aws:personalize:::recipe/aws-user-personalization-v2",
"datasetGroupArn": "arn:aws:personalize:us-west-2:acct-id:dataset-group/MovieRatingDatasetGroup",
"solutionConfig": {
"algorithmHyperParameters": {
"apply_recency_bias": "true"
},
"featureTransformationParameters": {},
"autoTrainingConfig": {
"schedulingExpression": "rate(7 days)"
}
},
"status": "ACTIVE",
"creationDateTime": "2021-05-12T16:27:59.819000-07:00",
"lastUpdatedDateTime": "2021-05-12T16:27:59.819000-07:00"
}
}
```
1. 自動トレーニングでは、ソリューションバージョントレーニングは、ソリューションが ACTIVE になってから 1 時間以内に開始されます。トレーニングの開始後、次の [ListSolutionVersions](https://docs.aws.amazon.com/personalize/latest/dg/API_ListSolutionVersions.html) コマンドを使用して、ソリューションバージョンの Amazon リソースネーム (ARN) を取得できます。
```
aws personalize list-solution-versions --solution-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution
```
1. `describe-solution-version` コマンドを使用して、ソリューションバージョンの *[training]* (トレーニング) ステータスを確認します。前のステップで返ったソリューションバージョンの ARN を指定します。API の詳細については、「[DescribeSolutionVersion](API_DescribeSolutionVersion.md)」を参照してください。
```
aws personalize describe-solution-version \
--solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id
```
ソリューションバージョンのプロパティとトレーニングの `status` が表示されます。最初、ステータスには CREATE PENDING と表示されます。次に例を示します。
```
{
"solutionVersion": {
"solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/",
...,
"status": "CREATE PENDING"
}
}
```
1. ソリューションバージョン `status` が ACTIVE になったら、トレーニングは完了です。
これで、トレーニングメトリクスを確認し、ソリューションバージョンを使用してキャンペーンを作成できます。
**注記**
トレーニングには時間がかかります。トレーニングが完了する (ソリューションバージョンの*トレーニング*のステータスが ACTIVE と表示される) まで待ってから、このバージョンのソリューションをキャンペーンで使用します。
1. ソリューションバージョンのパフォーマンスを検証するには、そのメトリクスを確認できます。次のコマンドを実行して、ソリューションバージョンのメトリクスを取得します。以前に返ったソリューションバージョンの ARN を指定します。API の詳細については、「[GetSolutionMetrics](API_GetSolutionMetrics.md)」を参照してください。
```
aws personalize get-solution-metrics \
--solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id
```
レスポンスの例を次に示します。
```
{
"solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/www-solution/",
"metrics": {
"coverage": 0.0485,
"mean_reciprocal_rank_at_25": 0.0381,
"normalized_discounted_cumulative_gain_at_10": 0.0363,
"normalized_discounted_cumulative_gain_at_25": 0.0984,
"normalized_discounted_cumulative_gain_at_5": 0.0175,
"precision_at_10": 0.0107,
"precision_at_25": 0.0207,
"precision_at_5": 0.0107
}
}
```
## ステップ 3: キャンペーンを作成する (ソリューションをデプロイする)
レコメンデーションを取得するには、事前にソリューションバージョンをデプロイする必要があります。ソリューションのデプロイは、キャンペーンの作成とも呼ばれます。キャンペーンを作成すると、クライアントアプリケーションは [GetRecommendations](API_RS_GetRecommendations.md) API を使用してレコメンデーションを取得できます。
1. 次のコマンドを実行してキャンペーンを作成します。前のステップで返ったソリューションバージョンの ARN を指定します。API の詳細については、「[CreateCampaign](API_CreateCampaign.md)」を参照してください。
```
aws personalize create-campaign \
--name MovieRecommendationCampaign \
--solution-version-arn arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/version-id \
--min-provisioned-tps 1
```
レスポンスの例を次に示します。
```
{
"campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign"
}
```
1. 次のコマンドを実行してデプロイのステータスを確認します。前のステップで返されたキャンペーンの ARN を指定します。API の詳細については、「[DescribeCampaign](API_DescribeCampaign.md)」を参照してください。
```
aws personalize describe-campaign \
--campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign
```
レスポンスの例を次に示します。
```
{
"campaign": {
"name": "MovieRecommendationCampaign",
"campaignArn": "arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign",
"solutionVersionArn": "arn:aws:personalize:us-west-2:acct-id:solution/MovieSolution/",
"minProvisionedTPS": "1",
"creationDateTime": 1543864775.923,
"lastUpdatedDateTime": 1543864791.923,
"status": "CREATE IN_PROGRESS"
}
}
```
**注記**
キャンペーンからレコメンデーションを取得するには、`status` が ACTIVE と表示されるまで待ちます。
## ステップ 4: レコメンデーションを取得する
`get-recommendations` コマンドを実行してレコメンデーションを取得します。前のステップで返されたキャンペーンの ARN を指定します。リクエストでは、映画のレーティングデータセットのユーザー ID を指定します。API の詳細については、「[GetRecommendations](API_RS_GetRecommendations.md)」を参照してください。
**注記**
すべてのレシピで `GetRecommendations` API がサポートされているわけではありません。詳細については、「[レシピの選択](working-with-predefined-recipes.md)」を参照してください。
このステップで呼び出す AWS CLI コマンド (`personalize-runtime`) は、以前のステップとは異なります。
```
aws personalize-runtime get-recommendations \
--campaign-arn arn:aws:personalize:us-west-2:acct-id:campaign/MovieRecommendationCampaign \
--user-id 123
```
キャンペーンは、ユーザーが好むと思われるアイテムのレコメンデーション (映画 ID) のリストをレスポンスで返します。リストは、ユーザーに関連する度合いの高い順 (降順) にソートされます。
```
{
"itemList": [
{
"itemId": "14"
},
{
"itemId": "15"
},
{
"itemId": "275"
},
{
"itemId": "283"
},
{
"itemId": "273"
},
...
]
}
```