使用 Amazon SageMaker 构建语义内容推荐系统
背景和设置
假设您是一家银行的机器学习开发人员。您需要开发一个机器学习模型，帮助公司分析师阅读海量新闻，从而做出投资决策。该模型将使用 20newsgroups 数据集进行训练，该数据集包含大约 20000 份文档，涵盖 20 个主题的信息。
作为模型的一部分，您需要从新闻数据中提取语义信息，然后从语料库中识别相似的新闻文章，并根据分析师正在阅读的文章，向他们推荐相似新闻的内容。
在本教程中，您将学习如何创建 Amazon SageMaker Notebook 实例，使用 Jupyter Notebook 下载、准备和暂存数据集，训练并部署主题模型，最后训练并部署内容推荐模型。
在模块 1 中，您将配置教程中使用的环境。
时长
20 分钟
步骤 1：创建 AWS 账户
使用已有个人 AWS 账户或创建新的 AWS 账户。不要使用组织账户。个人账户更能充分利用 AWS 提供的服务，而且避免造成资源遗留。如果您在教程结束后未删除使用过的资源，可能会产生 AWS 资源费用。
步骤 2：创建 Amazon S3 存储桶
Amazon Simple Storage Service (Amazon S3) 是一种对象存储服务，具有业界领先的可扩展性、数据可用性、安全性和性能。
训练模型会生成模型训练数据和模型构件。在本教程中，您将使用 Amazon S3 存储桶来暂存训练和验证数据集，并存储 Amazon SageMaker 在模型训练过程中生成的模型构件。
创建 Amazon S3 存储桶的步骤：
- 登录 AWS 管理控制台，打开 Amazon S3 控制台。
- 点击 Create bucket（创建存储桶）。
- 在 Bucket name（存储桶名称）中，输入 sagemaker-xx，其中 xx 是训练模型的首字母缩写，以确保存储桶名称的唯一性。
- 在 Region（区域）中，选择您希望存储桶所在的 AWS 区域。
- 在 Bucket settings（存储桶设置）的 Block Public Access（阻止公开访问）中，保持启用状态。
- 点击 Create bucket（创建存储桶）。
步骤 3：创建 Amazon SageMaker Notebook 实例
Amazon SageMaker Notebook 实例是一个完全托管的机器学习 (ML) Amazon Elastic Compute Cloud (Amazon EC2) 计算实例，可运行 Jupyter Notebook 应用程序。
在本教程中，您将使用 Notebook 实例来创建和管理 Jupyter Notebook，用于准备和处理数据，训练和部署内容推荐机器学习模型。
创建 Amazon SageMaker Notebook 实例的步骤：
- 打开 Amazon SageMaker 控制台。
- 选择 Notebook instances（Notebook 实例），然后点击 Create notebook instance（创建 Notebook 例）。
- 在 Create notebook instance（创建 Notebook 实例）页面，在 Notebook instance name（Notebook 实例名称）中，输入 Notebook 实例的名称。
- 对于 Instance type（实例类型），选择 ml.t2.medium。这是 Notebook 实例支持的费用最低的实例类型，对于教程本次使用来说已经足够了。
- 对于 IAM role（IAM 角色），选择 Create a new role（创建新角色），然后点击 Create role（创建角色）。
- 点击 Create notebook instance（创建 Notebook 实例）。
几分钟后，Amazon SageMaker 将启动一个 ML 计算实例（在本例中为 Notebook 实例），并为该实例附加一个 ML 存储卷。Notebook 实例预配置了 Jupyter Notebook 服务器和一套 Anaconda 库。
步骤 4：创建 Jupyter Notebook
在 Amazon SageMaker Notebook 实例中创建 Jupyter Notebook。此外，您还将创建一个单元格，用于获取 Notebook 运行 Amazon SageMaker API 所需的 IAM 角色，并指定用于存储训练数据集和 Amazon SageMaker 训练作业输出模型构件的 Amazon S3 存储桶名称。
创建 Jupyter Notebook 的步骤：
- 打开 Amazon SageMaker 控制台。
- 点击 Notebook Instances（Notebook 实例），然后点击 Open Jupyter（打开 Jupyter）以进入经典 Jupyter 视图，或点击 Open JupyterLab（打开 JupyterLab）以进入 JupyterLab 视图，从而打开您创建的 Notebook 实例。
注意：如果在 Status（状态）列中 Notebook 实例旁的状态为 Pending（待处理），则表示 Notebook 仍在创建中。当 Notebook 准备就绪可供使用时，状态将变为 InService（运行中）。 - 创建 Notebook。
- 如果在 Jupyter 中打开了 Notebook，请在 Files（文件）选项卡下点击 New（新建），然后选择 conda_python3。该预安装环境包含默认的 Anaconda 安装和 Python。
- 如果在 JupyterLab 中打开了 Notebook，请在 File（文件）菜单中点击 New（新建），然后选择 Notebook。对于 Select Kernel（选择内核），选择 conda_python3。该预安装环境包含默认的 Anaconda 安装和 Python 3。
- 在 Jupyter Notebook 中，点击 File（文件）和 Save as（另存为），然后为 Notebook 命名。
总结
在本模块中，您了解了本教程中要训练的示例机器学习模型。您还创建了 AWS 账户，并使用 Amazon S3 存储桶、Amazon SageMaker Notebook 实例和 Jupyter Notebook 搭建了教程环境。
现在，您已经做好开始教程的准备了。在下一个模块中，您将下载、准备并暂存数据集。