Amazon Personalize Eğitimi

Eğitim Hakkında

Personalize ile etkileşim verisinden kişiselleştirilmiş öneri sistemleri

Bu eğitim, Amazon Personalize ile makine öğrenmesi tabanlı öneri sistemlerinin kurulumunu anlatır. Interactions, Items ve Users veri kümeleri, dataset group, USER_PERSONALIZATION, SIMS ve PERSONALIZED_RANKING recipe'leri, solution version, campaign ve batch inference, olay izleme (event tracker), filtreler, soğuk başlangıç, A/B test ve metrik değerlendirme uygulamalı işlenir.

Süre ve Format

2 Gün. Her gün dört modül; her modülde altı konu başlığı, canlı gösterim ve uygulamalı laboratuvar.

Seviye

Temel Seviye — veri kümeleri, recipe, solution, campaign ve gerçek zamanlı öneriler konularını kapsayan uygulamalı eğitim

Öğrenme Metodu

Bulut hesabında konsol ve CLI ile adım adım laboratuvarlar yapılır, ardından kısa senaryo çalışmalarıyla pekiştirilir.

Neden Bu Eğitim?

🎯Hazır ML Hattı

Model kodu yazmadan veriyi öneri API'sine dönüştürürsünüz.

🛠️Gerçek Zamanlı Öneri

Kullanıcı davranışına anında yanıt veren öneri akışı kurarsınız.

🔍Ölçülebilir Etki

Tıklama ve dönüşüm metrikleri ile önerinin iş etkisini değerlendirirsiniz.

Anahtar Konular

Amazon Personalize eğitimiAWS öneri sistemiPersonalize recipekişiselleştirme makine öğrenmesiAWS ML öneri motoruPersonalize campaigne-ticaret öneriAWS yapay zekaPersonalize event tracker

“En iyi öneri, kullanıcının aramaya fırsat bulamadan karşısına çıkandır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel Bulut Bilgisi

Bulut hizmet modelleri, bölge ve erişilebilirlik bölgesi kavramlarına genel aşinalık yeterlidir.

2

Veri Hazırlama

CSV/JSON veri yapısı ve temel veri analizi bilgisi faydalıdır.

3

Çalışma Ortamı

Güncel tarayıcı ve kararlı internet bağlantısı olan bir bilgisayar gerekir; laboratuvarlar için bir bulut hesabı veya kum havuzu ortamı kullanılır.

4

Komut Satırı

Terminalde temel gezinme ve JSON çıktısı okuma alışkanlığı laboratuvarları hızlandırır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı veri kümelerini hazırlar ve öneri modeli eğitir.

Modül 1

Öneri Sistemi Kavramları

İşbirlikçi filtreleme ve içerik tabanlı öneri
Soğuk başlangıç (yeni kullanıcı, yeni ürün) sorunu
Personalize bileşenleri: dataset group, solution, campaign
Kullanım alanları: ürün, içerik, sıralama, benzer öğeler
Servis fiyatlandırması ve maliyet kontrolü
Gizlilik ve kullanıcı verisi hassasiyeti

Modül 2

Veri Kümeleri

Interactions şeması: USER_ID, ITEM_ID, TIMESTAMP, EVENT_TYPE
Items ve Users veri kümeleri, kategorik ve metin alanları
Avro şema tanımı ve S3'ten içe aktarma
Minimum veri gereksinimi (1000 etkileşim, 25 kullanıcı)
Veri kalitesi: tekrarlayan ve robot trafiği temizliği
Toplu içe aktarım ve artımlı veri ekleme

Modül 3

Recipe Seçimi

USER_PERSONALIZATION: kişiye özel öneri
PERSONALIZED_RANKING: aday listesini yeniden sıralama
SIMS: benzer ürünler (bu ürüne bakanlar)
POPULARITY_COUNT ve TRENDING_NOW kullanımı
Domain veri kümesi grupları: E-commerce ve Video on Demand
Recipe seçim ağacı: hedef ve veriye göre

Modül 4

Solution ve Eğitim

Solution oluşturma ve solution version eğitimi
Hiperparametre optimizasyonu (HPO)
Eğitim metrikleri: precision@k, NDCG, coverage, MRR
Metrik yorumlama ve model karşılaştırma
Otomatik yeniden eğitim (automatic training)
Eğitim maliyeti ve süre yönetimi

Günün hedefiKatılımcı önerileri dağıtır, olay akışı entegre eder ve etkiyi ölçer.

Modül 1

Campaign ve Öneri API'si

Campaign oluşturma ve minProvisionedTPS
GetRecommendations ve GetPersonalizedRanking çağrıları
Python ile öneri çağırma örneği
Gecikme ve verim yönetimi
Batch inference job ile toplu öneri
Önerileri e-posta ve ana sayfaya yerleştirme senaryosu

Modül 2

Gerçek Zamanlı Olaylar

Event tracker ve tracking ID
PutEvents ile tıklama, satın alma ve izleme olayları
Oturum bazlı gerçek zamanlı güncelleme
Olay veri kalitesi ve zaman damgası
Kinesis ve Lambda ile olay akışı
Gerçek zamanlı entegrasyon mimarisi

Modül 3

Filtreler ve İş Kuralları

Filter expression: stok, yaş kısıtı, kategori
Daha önce satın alınanları hariç tutma
Öneri çeşitliliği ve promosyonlu öğeler
Bağlam (context) alanları: cihaz, konum
Adil ve sorumlu öneri tasarımı
Kural ile model dengesi

Modül 4

Değerlendirme ve İşletim

A/B test tasarımı ve tıklama oranı ölçümü
Çevrimdışı ve çevrimiçi metrik farkı
Metric attribution ile iş sonucu izleme
CloudWatch ile campaign izleme
KMS ve IAM ile güvenlik
Maliyet optimizasyonu ve üretime alma listesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri Şeması

Interactions, Items ve Users şemalarını doğru tasarlayabilirsiniz.

🔧

Recipe Seçimi

Kullanım amacına uygun öneri recipe'ini seçebilirsiniz.

📊

Model Eğitimi

Solution version eğitip precision@k ve NDCG metriklerini yorumlayabilirsiniz.

🔐

Campaign Dağıtımı

Gerçek zamanlı öneri API'si için campaign oluşturabilirsiniz.

🚀

Olay İzleme

PutEvents ile canlı kullanıcı davranışını modele aktarabilirsiniz.

🧩

Filtre Yazımı

İş kurallarını filter expression ile önerilere uygulayabilirsiniz.

📈

Toplu Öneri

Batch inference ile e-posta ve kampanya önerisi üretebilirsiniz.

🛡️

Etki Ölçümü

A/B test ile önerinin iş etkisini değerlendirebilirsiniz.

Kimler İçin Uygundur?

E-ticaret
medya ve uygulama ürünlerinde öneri sistemi kurmak isteyen geliştiriciler
veri analistleri
ürün ekipleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

E-ticaret, medya ve uygulama ürünlerinde öneri sistemi kurmak isteyen geliştiriciler, veri analistleri ve ürün ekipleri için uygundur.

Makine öğrenmesi bilgisi gerekli mi?

Gerekmez; servis modeli yönetir, eğitimde metrikleri yorumlamak için temel kavramlar anlatılır.

Ne kadar veri gerekir?

Personalize için asgari etkileşim verisi şart koşulur; eğitimde veri yetersizliğinde çözüm önerileri tartışılır.

Gerçek zamanlı öneri mümkün mü?

Evet, event tracker ve campaign ile oturum içi davranışa göre öneri güncellenir.

Sertifika verilir mi?

Katılım ve başarı koşulunu sağlayanlara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

INTRODUCTION TO AMAZON PERSONALIZE EĞİTİMİ