Bankada çalışan bir makine öğrenimi geliştiricisi olduğunuzu hayal edin. Şirketinizdeki analistlerin yatırım kararları alabilmeleri için okumaları gereken haberlerin miktarı konusunda yardımcı olması için bir makine öğrenimi modeli geliştirmeniz istenmektedir. Model, yaklaşık 20.000 belge içerisinde 20 konu hakkında bilgi içeren 20newsgroups veri kümesinde eğitilecektir.

Modelinizin bir parçası olarak haber verilerinden semantik bilgi alıp ardından kitaplıktan benzer haber yazılarını belirlemeniz ve analistlerin okuduğu haberlere dayanarak onlara benzer haber ögeleri önerileri sunmanız gerekmektedir.

Bu laboratuvarda Amazon SageMaker Not Defteri bulut sunucusu oluşturmayı, Jupyter not defteri kullanarak veri kümesi indirmeyi, hazırlamayı ve düzenlemeyi, konu modelinizi eğitmeyi ve dağıtmayı, ve son olarak içerik öneri modelinizi eğitmeyi ve dağıtmayı öğreneceksiniz.

1. Modülde bu laboratuvar sırasında kullandığınız ortamınızı yapılandırırsınız.

Modülü Tamamlama Süresi: 20 Dakika

 


  • Adım 1: Bir AWS hesabı oluşturun

    Kişisel bir AWS hesabı kullanın veya bu laboratuvar için yeni bir AWS hesabı oluşturun. Gerekli hizmetlere tam erişiminizin olması için bir kuruluş hesabı kullanmayın ve laboratuvardan herhangi bir kaynağı unutmayın. İşiniz bittiğinde bu laboratuvarda kullanılan kaynakları silmezseniz AWS ücretlerine tabi tutulabilirsiniz.

  • 2. Adım: Amazon S3 klasörü oluşturma

    Amazon Simple Storage Service (Amazon S3) sektör lideri ölçeklenebilirlik, veri erişilebilirliği ve performans özellikleri sunan bir nesne depolama hizmetidir.

    Bir modeli eğitmek, model eğitimi ve model yapıtlarını oluşturur. Bu laboratuvarda eğitim ve doğrulama veri kümelerini düzenlemek için Amazon S3 klasörü kullanırsınız ve model eğitimi sırasında Amazon SageMaker tarafından oluşturulan model yapıtları depolarsınız.

    Amazon S3 klasörü oluşturma:

    1. AWS Management Console’da oturum açın ve Amazon S3 konsolunu açın.
    2. Klasör Oluştur ögesini seçin.
    3. Klasör adı için sagemaker-xx yazın; burada xx’ler klasörünüzü eşsiz hale getirmek için adınızın baş harflerini belirtmektedir.
    4. Bölge seçeneğinde klasörünüzün oluşturulmasını istediğiniz AWS Bölgesini seçin.
    5. Genel Erişimi Engelleme için Klasör ayarlarında ayarları etkinleştirin.
    6. Klasör Oluştur ögesini seçin.
  • 3. Adım: Amazon SageMaker dizüstü bilgisayar bulut sunucusu oluşturma

    Amazon SageMaker not defteri bulut sunucusu, Jupyter Not Defteri Uygulamasını çalıştıran tam olarak yönetilen makine öğrenimi (ML) Amazon Elastic Compute Cloud (Amazon EC2) işlem bulut sunucusudur.

    Bu laboratuvarda veri hazırlamak ve işlemek için ve içerik öneri makine öğrenimi modelinizi eğitmek ve dağıtmak amacıyla kullanabileceğiniz Jupyter not defterinizi oluşturmak ve yönetmek için not defteri bulut sunucusunu kullanırsınız.   

    Amazon SageMaker Dizüstü bilgisayar bulut sunucusu oluşturma

    1. Amazon SageMaker konsolunu açın.
    2. Not defteri bulut sunucuları’nı seçin, ardından Not defteri bulut sunucusu oluştur’u seçin.
    3. Not defteri bulut sunucusu oluştur sayfasında Not defteri bulut sunucusu adı için not defteri bulut sunucunuz için bir isim girin.
    4. Bulut sunucusu tipi için ml.t2.medium ögesini seçin. Bu, not defteri bulut sunucularının desteklediği en ucuz bulut sunucusu tipidir ve bu etkinlik için yeterlidir.
    5. IAM rolü içinYeni rol oluştur seçeneğini seçin ardından Rol oluştur’u seçin.
    6. Dizüstü bilgisayar bulut sunucusu oluştur’u seçin.

    Amazon SageMaker, birkaç dakika içerisinde bu durumda bir not defteri bulut sunucusu olan bir ML işlem bulut sunucusu başlatır ve ona bir ML depolama birimi ekler. Bu not defteri bulut sunucusu, Jupyter not defterini ve bir dizi Anaconda kütüphanesini önceden yapılandırmıştır.

  • 4. Adım: Bir Jupyter not defteri oluşturun

    Amazon SageMaker Not Defteri bulut sunucunuzda bir Jupyter not defteri oluşturursunuz. Ayrıca not defterinizin Amazon SageMaker API’larını çalıştırmak için ihtiyaç duyduğu IAM rolünü üstlenen ve bir Amazon SageMaker eğitim işinin ürettiği eğitim verisi ve model yapıtları için kullandığınız veri kümelerini depolamak için kullandığınız Amazon S3 klasör ismini belirten bir hücre oluşturacaksınız.

    Jupyter not defteri oluşturma:

    1. Amazon SageMaker konsolunu açın.
    2. Not Defteri Bulut Sunucuları’nı seçin ve ardından klasik Jupyter görünümü için Jupyter Aç seçeneğini veya JupyterLab görünümü için JupyterLab Aç’ı seçerek oluşturduğunuz not defteri bulut sunucusunu açın.
      Not: Not defteri bulut sunucusunun sağındaki Durum sütununda Beklemede yazısını görüyorsanız not defteriniz hala oluşturuluyordur. Not defteri kullanıma hazır olduğunda durumu InService (Kullanılabilir) olarak değişecektir.
    3. Not defterini oluşturun.
      • Not defterini Jupyter’de açtığınızda Dosyalar sekmesinden Yeni ve conda_python3 ögesini seçin. Bu önceden yüklenmiş ortam, varsayılan Anaconda Yüklemesini ve Python’u içermektedir.
      • Not defterini JupyterLab’da açtıysanız Dosya menüsünde Yeni’yi seçin ve sonra Not defteri’ni seçin. Kernel’i Seç ögesi için conda_python3’ü seçin. Bu önceden yüklenmiş ortam varsayılan Anaconda Yüklemesini ve Python 3’ü içermektedir.
    4. Jupyter not defterinde Dosya’yı seçin ve Farklı Kaydet’i seçin ve not defterine adlandırın.

Bu modülde bu laboratuvarda eğittiğiniz örnek ML modeli hakkında bilgi edindiniz. Ayrıca, bir AWS hesabı ve bir Amazon S3 klasörü, Amazon SageMaker Not Defteri bulut sunucusu ve bir Jupyter not defteri olan laboratuvar ortamınızı oluşturdunuz.

Artık laboratuvara başlamak için hazırsınız. Sonraki modülde veri kümenizi indirecek, hazırlayacak ve düzenleyeceksiniz.