As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Perguntas frequentes sobre Amazon Personalize As seguir estão as respostas para perguntas frequentes relacionadas à importação de dados, treinamento, implantação de modelos, recomendações e filtros no Amazon Personalize. Para mais perguntas e respostas, consulte a [Página de dicas do Amazon Personalize no repositório](https://github.com/aws-samples/amazon-personalize-samples/blob/master/PersonalizeCheatSheet2.0.md) de amostras do [Amazon Personalize](https://github.com/aws-samples/amazon-personalize-samples). **Topics** + [Importação e gerenciamento de dados](#data-import-questions) + [Criação de uma solução personalizada e de uma versão da solução](#training-questions) + [Implantação do modelo (campanhas personalizadas)](#deployment-questions) + [Recomendações](#recommendations-questions) + [Filtragem de recomendações](#filters-questions) ## Importação e gerenciamento de dados *Em qual formato meus dados em massa devem estar?* Os dados em massa devem estar no formato CSV (valores separados por vírgula). A primeira linha do seu arquivo CSV deve conter cabeçalhos de coluna. Os cabeçalhos de colunas no arquivo CSV precisam ser mapeados para o esquema usado para criar o conjunto de dados. Se os dados incluírem caracteres não codificados em ASCII, o arquivo CSV deverá ser codificado no formato UTF-8. Não coloque cabeçalhos entre aspas (“). Os dados de `TIMESTAMP` e `CREATION_TIMESTAMP` devem estar no formato de horário *UNIX epoch*. Para obter mais informações sobre tipos de timestamp, consulte [Dados de carimbo de data/hora](interactions-datasets.md#timestamp-data). Para obter mais informações sobre esquemas, consulte [Criar arquivos JSON de esquema para esquemas do Amazon Personalize](how-it-works-dataset-schema.md). Para obter diretrizes completas sobre o formato de dados, consulte [Preparar os dados de treinamento para o Amazon Personalize](preparing-training-data.md). Se você não tiver certeza de como formatar seus dados, você pode usar o Amazon SageMaker AI Data Wrangler (Data Wrangler) para preparar seus dados. Para obter mais informações, consulte [Preparação e importação de dados em massa usando o Amazon SageMaker AI Data Wrangler](preparing-importing-with-data-wrangler.md). *De quantos dados de treinamento eu preciso?* Para todos os casos de uso (grupos de conjuntos de dados de Domínio) e fórmulas personalizadas, seus dados de interações devem ter o seguinte: + No mínimo, mil registros de interações com itens de usuários que interagem com itens do catálogo. Essas interações podem ser de importações em massa, eventos transmitidos ou ambas as coisas. + No mínimo 25 usuários únicos IDs com pelo menos duas interações de itens para cada um. Para obter recomendações de qualidade, o ideal é que você tenha, no mínimo, cinquenta mil interações com itens de, pelo menos, mil usuários com duas ou mais interações com itens cada. É possível começar com um conjunto de dados de Interações vazio e, depois de registrar dados suficientes, criar o recomendador (grupo de conjuntos de dados de domínio) ou a versão personalizada da solução usando somente os novos eventos registrados. Algumas fórmulas e casos de uso podem ter requisitos adicionais de dados. Para obter informações sobre requisitos de caso de uso, consulte [Escolher um caso de uso](domain-use-cases.md). Para obter informações sobre requisitos de fórmulas, consulte [Escolher uma fórmula](working-with-predefined-recipes.md). *Como faço para atualizar um item ou os atributos do usuário?* Use o console do Amazon Personalize ou as operações do [PutItems](API_UBS_PutItems.md) ou [PutUsers](API_UBS_PutUsers.md) para importar um item ou usuário com a mesma ID do item, mas com os atributos modificados. *Como excluir um item ou usuário?* O Amazon Personalize não oferece suporte à exclusão de um item ou usuário específico. Para garantir que um item ou usuário não apareça nas recomendações, use um filtro para excluir itens. Para obter mais informações, consulte [Como filtrar recomendações e segmentos de usuários](filter.md). *Como excluir um esquema?* Você pode excluir um esquema somente com a operação do [DeleteSchema](API_DeleteSchema.md). Você não pode usar o console do Amazon Personalize para excluir um esquema. ## Criação de uma solução personalizada e de uma versão da solução *Qual fórmula devo usar?* A fórmula do Amazon Personalize que você usa depende do seu caso de uso. Para obter informações sobre como combinar casos de uso com fórmulas, consulte [Escolher uma fórmula](working-with-predefined-recipes.md). A [Página de dicas do Amazon Personalize](https://github.com/aws-samples/amazon-personalize-samples/blob/master/PersonalizeCheatSheet2.0.md) também inclui informações sobre casos de uso e fórmulas. *Com que frequência devo treinar?* Recomendamos o uso de treinamento automático com pelo menos uma frequência de treinamento semanal. O treinamento automático facilita a manutenção da relevância da recomendação. A frequência de treinamento depende dos requisitos da sua empresa, da fórmula usada e da frequência de importação dos dados. Para obter mais informações, consulte [Configurar o treinamento automático](solution-config-auto-training.md). Para obter informações sobre como manter a relevância, consulte [Manter a relevância da recomendação](maintaining-relevance.md). *Devo usar o AutoML?* Não. Em vez disso, recomendamos que você combine seu caso de uso com diferentes fórmulas do Amazon Personalize e escolha uma fórmula. Para obter informações sobre como combinar casos de uso com fórmulas, consulte [Escolher uma fórmula](working-with-predefined-recipes.md). ## Implantação do modelo (campanhas personalizadas) *O que devo definir para o minProvisionedTPS da minha campanha?* Um `minProvisionedTPS` alto aumentará o custo. Recomendamos começar com 1 para `minProvisionedTPS` (o padrão). Monitore seu uso usando CloudWatch as métricas da Amazon e aumente as `minProvisionedTPS` conforme necessário. *Como faço para monitorar o custo das minhas campanhas?* O projeto Amazon Personalize Monitor fornece um CloudWatch painel, métricas personalizadas, alarmes de utilização e funções de otimização de custos para campanhas do Amazon Personalize. Consulte o [Amazon Personalize Monitor](https://github.com/aws-samples/amazon-personalize-monitor) no repositório de [amostras do Amazon Personalize](https://github.com/aws-samples/amazon-personalize-samples). *Como faço para definir um throughput máximo da transação para uma campanha?* Só é possível definir o throughput *mínimo* de uma campanha. Ao criar uma campanha do Amazon Personalize, especifique uma capacidade de transação dedicada para criar recomendações em tempo real para os usuários do seu aplicativo. Se o TPS aumentar além de `minProvisionedTPS`, o Amazon Personalize ajusta automaticamente para cima e para baixo a capacidade provisionada, mas nunca abaixo de `minProvisionedTPS`. Para obter mais informações, consulte [Transações mínimas por segundo provisionadas e ajuste de escala automático](campaigns.md#min-tps-auto-scaling). ## Recomendações *Como posso saber se meu modelo do Amazon Personalize está gerando recomendações de qualidade?* Avalie o desempenho da versão da sua solução com métricas offline e on-line (consulte[Avaliar uma versão da solução do Amazon Personalize com métricas](working-with-training-metrics.md)) e testes on-line (como A/B testing). For more information about A/B testes, consulte[Medindo o impacto das recomendações com A/B testes](ab-testing-recommendations.md). *Como excluo meu trabalho de inferência em lote e por que seu status está “ativo”?* Você não pode excluir trabalhos de inferência de lotes. Quando o status de um trabalho de inferência em lote está *ativo*, o trabalho é concluído. Você pode acessar suas recomendações na pasta ou no bucket de saída do Amazon S3. Você não incorrerá em custos adicionais com o trabalho de inferência em lote depois que o trabalho for concluído. No entanto, você poderá incorrer em cobranças adicionais de outros serviços, como o Amazon S3, para armazenamento de dados de entrada e saída. *Por que minha campanha respaldada pelo SIMS recomenda itens que não são semelhantes com base em metadados?* A SIMS usa o conjunto de dados de interações com itens, não metadados de itens, como cor ou preço, para determinar a similaridade. O SIMS identifica a ocorrência simultânea do item nos históricos do usuário em seu conjunto de dados de interações para recomendar itens semelhantes. Para obter mais informações, consulte [Fórmula de SIMS](native-recipe-sims.md). *Posso obter mais de 500 itens de uma única operação de GetRecommendations API?* 500 é o número máximo de itens que você pode recuperar em um único [GetRecommendations](API_RS_GetRecommendations.md). Este valor não pode ser aumentado. ## Filtragem de recomendações *Por que minhas recomendações não são filtradas como esperado?* Esse erro pode ocorrer por vários motivos. + Pode haver um problema com o formato ou a sintaxe da sua expressão de filtro. Para obter exemplos de expressões de filtro formatadas corretamente, consulte [Exemplos de expressões de filtro](filter-expression-examples.md). + O Amazon Personalize considera até 100 das interações mais recentes por usuário por tipo de evento. Esta é uma cota ajustável. Você pode solicitar um aumento de cotas usando o[ console do Service Quotas](https://console.aws.amazon.com/servicequotas/). Se você não importar interações com itens para um usuário por três meses, seus filtros deixarão de considerar os dados históricos do usuário. Para considerar esses dados, importe todo o histórico de eventos do usuário novamente. Para obter mais informações, consulte [Como filtrar recomendações e segmentos de usuários](filter.md). *Como posso remover itens já comprados das recomendações?* Para grupos de conjuntos de dados do Domínio ECOMMERCE, se você criar um recomendador com o caso de uso [Recomendados para você](ECOMMERCE-use-cases.md#recommended-for-you-use-case) ou [Os clientes que visualizaram X também visualizaram](ECOMMERCE-use-cases.md#customers-also-viewed-use-case), o Amazon Personalize filtra automaticamente os itens que o usuário comprou com base no userId que você especifica e nos eventos `Purchase`. Para outros casos de uso de grupos de conjuntos de dados do Domínio ou recursos personalizados, use um filtro para remover itens comprados. Adicione um atributo de tipo de evento `Purchased` aos seus dados, registre eventos de *Compra* com a operação `PutItems` e crie um filtro que remova os itens comprados das recomendações. Por exemplo: ``` EXCLUDE ItemID WHERE Interactions.EVENT_TYPE IN ("purchased") ``` Para obter mais informações, consulte [Como filtrar recomendações e segmentos de usuários](filter.md).