기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon Personalize 및 생성형 AI
<a name="personalize-with-gen-ai"></a>

 Amazon Personalize는 생성형 인공 지능(생성형 AI)과 함께 사용할 수 있습니다. Amazon Personalize 콘텐츠 생성기는 생성형 AI의 도움을 받아 관련 항목에 대한 배치 추천에 흥미로운 테마를 추가할 수 있습니다. *콘텐츠 생성기*는 Amazon Personalize에서 관리하는 생성형 AI 기능입니다.

 또한 Amazon Personalize 추천을 사용하여 Amazon Personalize를 생성형 AI 워크플로와 통합하고 사용자 경험을 개선할 수 있습니다. 예를 들어, 생성형 AI 프롬프트에 추천을 추가하여 각 사용자의 관심사에 맞는 마케팅 콘텐츠를 생성할 수 있습니다. 추천 콘텐츠에 대한 간결한 요약을 생성하거나 채팅 봇을 통해 제품 또는 콘텐츠를 추천할 수도 있습니다.

다음 동영상에서는 Amazon Personalize 및 생성형 AI를 사용하여 추천 사항을 개선하는 방법을 보여줍니다.

[![AWS Videos](http://img.youtube.com/vi/9x9X2wNpd1I/0.jpg)](http://www.youtube.com/watch?v=9x9X2wNpd1I)


 다음 Amazon Personalize 기능은 생성형 AI를 사용하거나 개인 맞춤형 콘텐츠를 만드는 생성형 AI 솔루션을 구축하는 데 도움이 될 수 있습니다. 생성형 AI와 함께 Amazon Personalize를 사용하는 방법을 보여주는 샘플 Jupyter 노트북은 [Amazon Personalize 샘플](https://github.com/aws-samples/amazon-personalize-samples) 리포지토리의 [Amazon Personalize를 사용한 생성형 AI](https://github.com/aws-samples/amazon-personalize-samples/tree/master/next_steps/generative_ai)를 참조하세요.

**Topics**
+ [콘텐츠 생성기의 테마가 있는 추천](#gen-ai-themed-rec)
+ [추천 메타데이터](#gen-ai-metadata)
+ [개인 맞춤화를 위해 사전 구성된 LangChain 코드](#gen-ai-langchain)

## 콘텐츠 생성기의 테마가 있는 추천
<a name="gen-ai-themed-rec"></a>

Amazon Personalize 콘텐츠 생성기는 설명 테마를 배치 추천에 추가할 수 있습니다. *콘텐츠 생성기*는 Amazon Personalize에서 관리하는 생성형 AI 기능입니다.

테마가 있는 배치 추천을 받으면 Amazon Personalize 콘텐츠 생성기가 유사한 각 항목 세트에 대한 설명 테마를 추가합니다. 예를 들어, 아침 식사 음식과 유사한 항목을 추천받는 경우 Amazon Personalize는 *개운하게 일어나기* 또는 *아침 필수품*과 같은 테마를 생성할 수 있습니다. 이 테마를 사용하여 *함께 자주 구매하는 제품*과 같은 일반적인 캐러셀 제목을 대체할 수 있습니다. 또는 새 메뉴 옵션에 대한 홍보 이메일이나 마케팅 캠페인에 테마를 통합할 수도 있습니다.

테마를 생성하려면 데이터를 항목 상호 작용 및 항목 데이터 세트로 가져오고, 유사-항목 레시피로 사용자 지정 솔루션을 만들고, 배치 추천을 생성합니다. 항목 데이터에는 항목 설명 및 제목 정보가 포함되어야 합니다. 자세한 항목 설명과 제목은 콘텐츠 생성기가 더 정확하고 흥미로운 테마를 만드는 데 도움이 됩니다.
+ Amazon Personalize 워크플로에 대한 자세한 내용은 [Amazon Personalize 워크플로우](personalize-workflow.md) 섹션을 참조하세요.
+ 배치 추천에 대한 자세한 내용은 [배치 항목 추천 받기](getting-batch-recommendations.md) 또는 [배치 사용자 세그먼트 가져오기](getting-user-segments.md) 섹션을 참조하세요.
+ 테마가 있는 항목 추천을 생성하는 방법에 대한 자세한 내용은 [콘텐츠 생성기에서 테마가 있는 배치 추천](themed-batch-recommendations.md) 섹션을 참조하세요.

## 추천 메타데이터
<a name="gen-ai-metadata"></a>

 추천을 받으면 Amazon Personalize가 항목 데이터 세트의 각 추천 항목에 대한 메타데이터를 반환하도록 할 수 있습니다. Amazon Personalize 추천과 함께 이 메타데이터를 생성형 AI 프롬프트에 추가하여 더욱 매력적인 콘텐츠를 생성할 수 있습니다.

 예를 들면, 생성형 AI를 사용하여 마케팅 이메일을 만들 수 있습니다. Amazon Personalize 추천 및 해당 메타데이터(예: 영화 장르)를 생성형 AI용 프롬프트 엔지니어링의 하나로 사용할 수 있습니다. 개인 맞춤형 프롬프트를 사용하면 생성형 AI를 통해 각 고객의 관심사에 맞는 매력적인 마케팅 이메일을 생성할 수 있습니다.

 추천 메타데이터를 가져오려면 먼저 Amazon Personalize 워크플로를 완료하여 데이터를 가져오고 도메인 또는 사용자 지정 리소스를 생성해야 합니다. Amazon Personalize *추천자* 또는 *캠페인*을 생성할 때 추천에 메타데이터를 포함하는 옵션을 활성화하세요. 추천을 받으면 포함하려는 항목 데이터 열을 지정할 수 있습니다.
+  Amazon Personalize 워크플로에 대한 자세한 내용은 [Amazon Personalize 워크플로우](personalize-workflow.md) 섹션을 참조하세요.
+ 추천자용 메타데이터 활성화에 대한 자세한 내용은 [추천의 메타데이터 활성화(도메인 리소스)](create-recommender-return-metadata.md)를 참조하세요.
+ 캠페인용 메타데이터 활성화에 대한 자세한 내용은 [추천의 메타데이터 활성화(사용자 지정 리소스)](campaigns.md#create-campaign-return-metadata)를 참조하세요.
+  Amazon Personalize를 생성형 AI와 함께 사용하여 마케팅 캠페인을 생성하는 방법에 대한 자세한 내용은 [Amazon Personalize 및 생성형 AI를 통한 마케팅 솔루션 개선](https://aws.amazon.com/blogs/machine-learning/elevate-your-marketing-solutions-with-amazon-personalize-and-generative-ai/)을 참조하세요.

## 개인 맞춤화를 위해 사전 구성된 LangChain 코드
<a name="gen-ai-langchain"></a>

LangChain은 언어 모델을 기반으로 애플리케이션을 개발할 수 있는 프레임워크입니다. Amazon Personalize용으로 빌드된 코드가 특징입니다. 이 코드를 사용하여 Amazon Personalize 추천을 생성형 AI 솔루션과 통합할 수 있습니다.

 예를 들면, 다음 코드를 사용하여 사용자를 위한 Amazon Personalize 추천을 체인에 추가할 수 있습니다.

```
from aws_langchain import AmazonPersonalize
from aws_langchain import AmazonPersonalizeChain
from langchain.llms.bedrock import Bedrock

recommender_arn="{{RECOMMENDER ARN}}"

bedrock_llm = Bedrock(model_id="anthropic.claude-v2", region_name="us-west-2")
client=AmazonPersonalize(credentials_profile_name="default",region_name="us-west-2",recommender_arn=recommender_arn)
# Create personalize chain
# Use return_direct=True if you do not want summary
chain = AmazonPersonalizeChain.from_llm(
    llm=bedrock_llm, 
    client=client,
    return_direct=False 
)
response = chain({'user_id': '1'})
print(response)
```
+ LangChain 시작하기에 대한 자세한 내용은 LangChain 설명서의 [소개](https://python.langchain.com/v0.2/docs/introduction/)를 참조하세요.
+ 고급 코드 샘플을 포함하여 Amazon Personalize용으로 빌드된 LangChain 코드를 사용하는 방법에 대한 자세한 내용은 [AWS 샘플](https://github.com/aws-samples/) 리포지토리의 [Amazon Personalize LangChain 확장](https://github.com/aws-samples/amazon-personalize-langchain-extensions)을 참조하세요.