使用 Amazon SageMaker 建置語義內容推薦系統

Amazon Simple Storage Service (Amazon S3) 物件儲存服務提供領先業界的可擴展性、資料可用性、安全性及效能。

訓練模型會產生模型訓練資料和模型成品。在本實驗室中，您將使用 Amazon S3 儲存貯體來暫存訓練和驗證資料集，並存放模型訓練期間 Amazon SageMaker 產生的模型成品。

若要建立 Amazon S3 儲存貯體：

1. 登入 AWS 管理主控台，然後開啟 Amazon S3 主控台。
2. 選擇建立儲存貯體。
3. 對於儲存貯體名稱，輸入 sagemaker-xx，其中 xx 是您的姓名首字母，以設定唯一的儲存貯體名稱。
4. 在區域中，選擇要駐留儲存貯體的 AWS 區域。
   
5. 在儲存貯體設定的區塊公用存取中，將設定保持啟用狀態。
6. 選擇建立儲存貯體。
   

Amazon SageMaker 筆記本執行個體是執行 Jupyter Notebook 應用程式的全受管機器學習 (ML) Amazon Elastic Compute Cloud (Amazon EC2) 運算執行個體。

在本實驗室中，您將使用筆記本執行個體建立和管理您的 Jupyter 筆記本，這可用於準備和處理資料，以及訓練和部署內容推薦機器學習模型。   

若要建立 Amazon SageMaker 筆記本執行個體：

1. 開啟 Amazon SageMaker 主控台。
   
2. 選擇筆記本執行個體，然後選擇建立筆記本執行個體。
3. 在建立筆記本執行個體頁面上，為筆記本執行個體名稱輸入您的筆記本執行個體名稱。
4. 對於執行個體類型，選擇 ml.t2.medium。這是筆記本執行個體支援的最實惠的執行個體類型，並且足以完成此練習。
5. 對於 IAM 角色，選擇建立新角色，然後選擇建立角色。
6. 選擇建立筆記本執行個體。

幾分鐘後，Amazon SageMaker 即會啟動 ML 運算執行個體 (在本例中為筆記本執行個體)，並為其附加 ML 儲存磁碟區。筆記本執行個體具有預先設定的 Jupyter 筆記本伺服器和一組 Anaconda 程式庫。

您將在 Amazon SageMaker 筆記本執行個體中建立 Jupyter 筆記本。您還將建立儲存格，可獲取筆記本執行 Amazon SageMaker API 所需的 IAM 角色，並指定您將用於存放資料集的 Amazon S3 儲存貯體名稱，該資料集用於儲存訓練資料，以及 Amazon SageMaker 訓練任務輸出的模型成品。

若要建立 Jupyter 筆記本：

1. 開啟 Amazon SageMaker 主控台。
2. 選擇筆記本執行個體，然後，針對傳統 Juypter 檢視，選擇開啟 Jupyter，針對 JupyterLab 檢視，選擇開啟 JupyterLab，來開啟您建立的筆記本執行個體。
   注意：若您在狀態欄中看到筆記本執行個體右側顯示「待處理」，則您的筆記本仍在建立中。筆記本可供使用後，狀態將變更為 InService。
3. 建立筆記本。
   • 若您在 Jupyter 中開啟筆記本，則在檔案標籤上，選擇新建，然後選擇 conda_python3。此預裝環境包括預設的 Anaconda 安裝和 Python
   • 若您在 JupyterLab 中開啟筆記本，則在檔案功能表選擇新建，然後選擇筆記本。針對選取核心，選擇 conda_python3。此預裝環境包括預設的 Anaconda 安裝和 Python 3。
4. 在 Jupyter 筆記本中，選擇檔案和另存新檔，然後為筆記本命名。