rumiio/sagemaker-rec-engine-demo

Building a Recommender System with Amazon SageMaker Factorization Machines and BlazingText

Contents

We will be using the fm_amazon_recommender.ipynb notebook.

Workshop Instructions

1. Go to SageMaker console. Create a new SageMaker notebook instance with the following configuration:

   • Enter a name without undercore. You can use hyphen but not underscore between words.
   • Choose instance type such as ml.m4.4xlarge.
   • Create a new SageMaker IAM role with access to any S3 bucket
   • No VPC, etc. needed
   • Git repository section
     • From the dropdown list, choose “Clone a public Git repository to this notebook instance only” option.
     • Insert the following link in Git repository URL https://github.com/rumiio/sagemaker-rec-engine-demo

2. It would take a couple of minutes for the notebook instance to be ready. Once the status changes from pending to InService, click on the Open Jupyter link.

   It will bring up the Jupyter environment. Click on the fm_amazon_recommender.ipynb to get started on your lab. Make sure conda_python3 is chosen for the kernal.

3. Once you are on the fm_amazon_recommender.ipynb, follow instructions there.

Contents of the notebook.

• Background (Factorization Machines)
• Setup
  • Spin up SageMaker hosted notebook instance in console
  • Add SageMaker IAM policy to this SageMaker notebook to allow S3 read/write access
  • Create new S3 bucket (first cell)
  • Import necessary libraries (second cell)
• Dataset
  • Overview
  • Source: Amazon Reviews Public Dataset
  • Features
• Data preprocessing
• Training
  • Create SageMaker estimator
  • Launch training job
• Host
  • Deploy endpoint to perform inference

Extra Credit:

• Background (New challenges, word2vec, BlazingText)
• Data Augmentation
• Dimensionality reduction with t-SNE
• Train
• Host

Following is instructions written in Japanese.

Amazon SageMaker の Factorization Machines を使用したレコメンダ システムの構築

Contents

ノートブック: fm_amazon_recommender_japanese.ipynb

設定のステップ

1. マネージメントコンソールのメインの画面から、SageMaker のコンソールへ移動する。

   AWS コンソールにログインし、SageMaker に移動します。 SageMakerは機械学習セクションか、コンソールの上部にある検索ボックスを使用して見つけることができます。 SageMaker ダッシュボードには、真値、ノートブック、トレーニング、推論など、すべての主要コンポーネントへのリンクが含まれています。 「ノートブック」のカテゴリの １ つ目が「ノートブックインスタンス」です。 そのリンクをクリックします。

2. SageMaker のノートブックインスタンスを作成する。オレンジ色の 「ノートブックインスタンスの作成」 ボタンをクリックして下さい。

   そして、以下の内容を入力してください。

   • インスタンスの名前を rec-engine-workshop入力。
   • インスタンスタイプを ml.m5.4xlargeと選択。
   • IAM ロール では [新しいロールの作成] を選択。 - 「任意の S3 バケット」を選択。 - 「ロールの作成」ボタンをクリックして下さい。
   • VPC なし
   • Git リポジトリにて、「このノートブックインスタンスのみにパブリック Git リポジトリのクローンを作成する」を選択し、リポジトリの URL を https://github.com/rumiio/sagemaker-rec-engine-demo.git と指定して下さい。
   • 再び、「このノートブックインスタンスのみにパブリック Git リポジトリのクローンを作成する」を選択し、リポジトリの URL を https://github.com/skrinak/personalize-amzn-rec.git と指定して下さい。
   • ライフサイクル設定なし
   • カスタム暗号化なし

   上記入力後、「ノートブックインスタンスの作成」 をクリックします。

   SageMaker ノートブックインスタンスのプロビジョニングには約 3 分程かかります。 この間、ステータスがPendingと表示されます。

3. S3 のバケットを作成する。この際 SageMaker と同じリージョンで行って下さい。