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

2Lab 7. Aitems 구성

댓글