منذ عام تقريبًا، قررت شراء دراجة من موقع أمازون الإلكتروني، وبعد أسبوع زرت نفس الموقع لشراء لعبة لابنتي، لكنني لاحظت في قسم التوصيات او ما يسمي نقترحه لك مجموعة متنوعة من خوذات الأمان المتخصصة بالدراجات.
منذ ذلك الوقت، كنت أتساءل عن التكنولوجيا التي تعمل خلف الكواليس والقادرة على تحليل جميع تفاعلات العملاء وتقديم التوصية الصحيحة وعرض المنتجات والخدمات التي تناسبهم بشكل فعال بالطبع هي تكنولوجيا التعلم الالي Machine learning .
تعد حلول التعلم الآلي معقدة وتتطلب الكثير من الجهود والعمل بدءًا من إعداد البيانات وتدريب الخوارزميات وأخيرًا دمج الحل مع التطبيقات الأخرى. التحديات السابقة هي تحديات التعلم الآلي بصفه عامه ولكن أنظمة التوصية Recommender Systems تضيف إلى التحديات السابقة تحديات اخري بسبب الطبيعة الديناميكية للمشكلة التي سنشرحها بمزيد من التفاصيل في الجزء الثاني من هذه المناقشة ولكن دعونا نلقي نظره علي احد الحلول المتميزة في هذا المجال
Amazon Personalize:
هي إحدى الخدمات السحابية للذكاء الاصطناعي التي تقدمها AWS والتي تبسط العديد من التحديات التي وصفناها من قبل.
سنشرح في هذا القسم كيفية تصميم وبناء نظام التوصية الخاص بك.
دائما نبدأ بالبيانات، تحميل بيانات تفاعل العملاء إلى S3 وهي خدمة تخزين بيانات من AWS عادتا تحتوي هذه البيانات علي معلومات سابقه خاص بتقييم العملاء للمنتجات او حتي عمليات الشراء لبعض من هذه المنتجات ولكن قبل أن نقوم بتحميل البيانات ، نحتاج إلى التأكد من أن ملفات البيانات وشكل البيانات الذي يُسمى مخطط البيانات يتطابق مع ما يفهمه "Personalize "
افترض أن لدينا مجموعة بيانات تحتوي على معرف المستخدم ومعرف المنتج الذي قام المستخدم بتصنيفه أو شراؤه والوقت.
يجب أن يبدو مخطط البيانات الذي تتوقع "Amazon Personalize" بالشكل أدناه.
الخطوة التالية هي منح الإذن لـ Amazon Personalize للوصول إلى البيانات في S3 والبدء في التحقق من صحة هذه البيانات ضد مخطط البيانات Schema.
بعد أن تم تحميل البيانات بنجاح الآن حان الوقت للبدء في إنشاء الحل الخاص بنا عن طريق اختيار الوصفة الصحيحة لمشكلتنا وهو الوقت المناسب للتحدث عن الوصفات المختلفة بشكل عام.
يوفر Amazon Personalize الوصفات ، الوصفة هي خوارزمية تعلم الآلة التي تستخدمها مع الإعدادات ، ومجموعة البيانات لتدريب نموذج Personalize Amazon. باستخدام الوصفات ، يمكنك إنشاء نظام تخصيص بدون خبرة سابقة في التعلم الآلي. يمكننا التبسيط بالقول إن الوصفة هي طريقة مجربة فعالة لبناء نظام التوصيات الخاص بك على التعلم الآلي
قد يكون سؤالك الآن ما هي الوصفات المتاحة وأي منها يجب أن أستخدم.
الوصفة الأولى التي سنتحدث عنها هي SIMS ("Item-to-Item similarities") دعنا نفترض أنك تبحث عن دراجة في موقع أمازون ، فسترى أن إشعار المنتجات المماثلة سيظهر في بحثك وهذا ما سيفعله .SIMS
الوصفة الثانية هي "Ranking" مرة أخرى ، دعنا نفترض أنك تبحث عن دراجة وأن نتائج البحث كانت عشرين منتجًا أو أكثر ، على سبيل المثال ، نود تصنيف هذه المنتجات بناءً على علامتك التجارية المفضلة أو قد يكون النمط المفضل لديك أو أي عامل آخر يتناسب مع اهتماماتك ، سيساعدك التعلم الآلي على التنبؤ بهذه المعلومات وستساعدك وصفة الترتيب على تحقيق ذلك.
الوصفة الأخيرة التي سنناقشها هي "AWS-User-personalize" عندما تفتح الصفحة الرئيسية لموقع الأمازون على سبيل المثال، سترى قسم التوصيات أو ما نختاره لك استنادًا إلى سجل تفاعلك.
بعد اختيار الوصفة، ستبدأ Amazon Personalize في تدريب الخوارزمية، والتحقق من صحة النتائج وإعداد الحل للاستخدام.الآن كيف يمكننا استخدام حلنا الجاهز، في الواقع لدينا طريقتان، الطريقة الأولى هي أكثر ملاءمة للتوصية الفورية التي ستكون مناسبة للمنتجات الموصي بها بمجرد أن يفتح المستخدم الصفحة الرئيسية.
الطريقة الثانية هي الدُفعات، فهذا يعني ببساطة أنك سترسل قائمة بالمستخدمين الذين يرغبون في تقديم توصية لهم أو المنتجات التي ترغب في الحصول على منتجات مماثلة.
هنا ينتهي الجزء الأول من Amazon Personalize ، كما يمكنك مشاهدة العرض التوضيحي المسجل لإعداد Amazon Personalize على youtube باتباع الرابط أدناه.
Comments