2Lab 7. Aitems 구성
1.쇼핑몰 DB 환경 구축
lAi-001 서버에 설치된 MySQL DB서버를 활용하여 쇼핑몰 DB 데이터 입력 및 Aitems와 연동
l쇼핑몰 데이터 입력
l서버에 접속하여 MySQL 접속
l접속 후 aishop DB 생성
root@ai-001:~# mysql
Welcome to the MariaDB monitor. Commands end with ; or \g. Your MariaDB connection id is 49
Server version: 10.3.38-MariaDB-0ubuntu0.20.04.1 Ubuntu 20.04
Copyright (c) 2000, 2018, Oracle, MariaDB Corporation Ab and others.
Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. MariaDB [(none)]> create database aishop;
Query OK, 1 row affected (0.000 sec)
MariaDB [(none)]> exit
데이터 입력 스크립트 다운로드 및 실행
root@ai-001:~#
root@ai-001:~#
mysql aishop < aishop.sql
3. 데이터 확인
4. 데이터 스키마 확인
Aitems Service 생성
lAI Services > AiTems 선택 후 상단의 [+ 이용 신청] 선택
lService 선택 후 [+ Service 생성] 선택
l서비스 이름에 ai_lab 입력
l학습 타입에 [배치] 선택 후 생성 선택
l경고메시지 취소 선택
6. Schema 생성
lAI Services > AiTems > Schema 선택 후 상단의 [+ Schema 생성] 선택
lDataset 유형 선택에 user 선택
l스키마 이름에 “lab_user” 입력
lSchema 기본 정보에 MySQL의 User 테이블의 구조를 이용하여 스키마 구성
l패스워드와 가입일을 제외한 데이터 스키마 구성
. Aitems 구성
l생성 선택
l상단의 [+ Schema 생성] 선택
lDataset 유형 선택에 item 선택
l스키마 이름에 “lab_item” 입력
lSchema 기본 정보에 MySQL의 Item 테이블의 구조를 이용하여 스키마 구성
l패스워드와 가입일을 제외한 데이터 스키마 구성
생성 선택
상단의 [+ Schema 생성] 선택
Dataset 유형 선택에 interaction 선택
스키마 이름에 “lab_interaction” 입력
Schema 기본 정보에 MySQL의 Interaction 테이블의 구조를 이용하여
스키마 구성
패스워드와 가입일을 제외한 데이터 스키마 구성
l생성 선택
7. 데이터셋 생성을 위한 DB 데이터 Export
lDB에서 데이터를 CSV로 Export
root@ai-001:~# mysql
Welcome to the MariaDB monitor. Commands end with ; or \g. Your MariaDB connection id is 73
Server version: 10.3.38-MariaDB-0ubuntu0.20.04.1 Ubuntu 20.04
Copyright (c) 2000, 2018, Oracle, MariaDB Corporation Ab and others.
해당 파일을 scp를 이용하여 로컬컴퓨터로 다운로드
9. 로컬컴퓨터에서 커맨드 실행
lscp root@(ai서버 공인IP):/tmp/lab* C:\Users\USER\Desktop
lscp "root@223.130.146.202:/tmp/lab*" "/Users/user/Desktop"
10. 데이터셋 컬럼명 추가
l텍스트 편집기(윈도우PC >메모장)를 이용하여 다운로드 lab_user.csv 파일의 1행에 다음 내용 추가
l텍스트 편집기를 이용하여 다운로드 lab_item.csv 파일의 1행에 다음 내용 추가
l텍스트 편집기를 이용하여 다운로드 lab_interaction.csv 파일의 1행에 다음 내용 추가
lAiTEMS > Dataset 선택 후 상단의 [+ Dataset 생성] 선택
l데이터셋 이름 : lab_user 입력
l데이터셋 유형 : user
l스키마 : lab_user
lData 선택 : 파일에서 선택 후 하단에서 lab_user.csv 파일 업로드 후 생성 선택
l데이터셋 업로드가 정상적으로 완료
lAiTEMS > Dataset 선택 후 상단의 [+ Dataset 생성] 선택
l데이터셋 이름 : lab_item 입력
l데이터셋 유형 : item
l스키마 : lab_item
lData 선택 : 파일에서 선택 후 하단에서 lab_item.csv 파일 업로드 후 생성 선택
lAiTEMS > Dataset 선택 후 상단의 [+ Dataset 생성] 선택
l데이터셋 이름 : lab_interaction 입력
l데이터셋 유형 : interaction
l스키마 : lab_interaction
lData 선택 : 파일에서 선택 후 하단에서 lab_interaction.csv 파일 업로드 후 생성 선택
12. 서비스에서 데이터셋 관리
lAiTEMS > Service > ai_lab 선택
lDataset 정보 우측의 Dataset 관리 선택
lUser : lab_user
lItem : lab_item
lInteraction : lab_interaction 선택
l학습정보에서 학습관리 선택
l개인화 추천, 연관 항목 추천, 인기 항목 추천 선택
lHPO에서 옵션명은 group_column 을 선택하고 옵션값으로 category, gen, Address 선택 후 [+추가] 선택
l하단의 학습 시작 선택
l일정 시간 후 상태 확인시 완료로 표시되어야 함. 실패시 재학습 시도
13. 학습 결과 테스트
lAiTEMS > Service > ai_lab 선택
lService 관리에서 [추천 결과 테스트] 선택
l학습선택에 개인화 추천 선택
l대상 ID에 abc00001 입력 후 검색 선택
다음
https://brunch.co.kr/@topasvga/5004
