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

# 추천자 업데이트
<a name="updating-recommender"></a>

 추천자를 만든 후 추천자의 구성을 업데이트할 수 있습니다.
+ 추천자가 학습에서 사용하는 열을 업데이트할 수 있습니다. 학습에 사용된 열을 수정하면 Personalize가 추천자를 지원하는 모델의 전체 재학습을 자동으로 시작합니다. 업데이트가 완료되더라도 추천자로부터 추천을 받을 수 있습니다. 추천자는 업데이트가 완료될 때까지 이전 구성을 사용합니다. 이 업데이트의 상태를 추적하려면 [DescribeRecommender](API_DescribeRecommender.md)작업에서 반환된 `latestRecommenderUpdate`을 사용합니다. 추천자를 만들 때 제공한 것과 동일한 열을 제공하면 업데이트가 발생하지 않습니다.
+  추천자의 초당 최소 추천 요청을 업데이트할 수 있습니다. 이는 Personalize에서 프로비저닝한 기본 추천 요청 처리량을 지정합니다. 값이 높으면 요금이 인상됩니다. 1부터 시작하는 것이 좋습니다. CloudWatch 지표를 사용하여 사용량을 추적하고 필요에 따라 사용량을 늘립니다. 자세한 내용은 [초당 최소 추천 요청 수 및 Auto Scaling](creating-recommenders.md#min-rrps-auto-scaling)단원을 참조하세요.
+ 가장 적합한 추천 제품 및 추천 제품 사용 사례의 경우 관련 항목 탐색에 중점을 두고 탐색 항목 기간 커트라인을 조정하여 탐색 구성을 업데이트할 수 있습니다.**** 탐색에 대한 자세한 내용은 [사용 사례 선택](domain-use-cases.md)의 사용 사례 단원을 참조하세요.

Personalize 콘솔, AWS Command Line Interface(AWS CLI) 또는 AWSSDK를 사용하여 추천자를 업데이트할 수 있습니다.

**Topics**
+ [추천자 업데이트(Personalize 콘솔)](#updating-recommender-console)
+ [추천자 업데이트(AWS CLI)](#update-recommender-cli)
+ [추천자 업데이트(AWS SDK)](#update-recommender-sdks)

## 추천자 업데이트(Personalize 콘솔)
<a name="updating-recommender-console"></a>

 추천을 생성한 후에는 업데이트할 수 있습니다. 추천자가 학습에서 사용하는 열과 추천자의 초당 최소 추천 요청량을 업데이트할 수 있습니다. 가장 적합한 추천 제품과 추천 제품 사용 사례의 경우 탐색 구성을 업데이트할 수 있습니다.**** 콘솔을 사용하여 추천자를 업데이트하려면 다음과 같이 합니다.

**추천자 구성을 업데이트하려면(콘솔)**

1. [https://console.aws.amazon.com/acm-pca/home](https://console.aws.amazon.com/personalize/home)에서 Personalize 콘솔을 열고 계정에 로그인합니다.

1.  **데이터세트 그룹** 페이지에서 도메인 데이터세트 그룹을 선택합니다.

1. 탐색 창에서 **추천자**를 선택합니다.

1. **추천자** 페이지에서 업데이트하려는 추천자를 선택합니다.

1. **추천자 구성**에서 **편집**을 선택합니다.

1. 추천자의 구성을 변경하고 **업데이트**를 선택합니다. 다른 구성 옵션에 대한 자세한 내용은 [추천 생성(콘솔)](creating-domain-recommenders.md#creating-recommenders-console)단원을 참조하세요.

## 추천자 업데이트(AWS CLI)
<a name="update-recommender-cli"></a>

AWS CLI에서 추천자를 업데이트하려면 `update-recommender`명령을 사용합니다. 추천자의 리소스 이름(ARN)과 업데이트된 구성을 제공합니다. 다음 코드는 추천자가 학습에 사용하는 열을 업데이트하는 방법을 보여줍니다.

```
aws personalize update-recommender \
--dataset-group-arn dataset group ARN \
--recommender-config "{\"trainingDataConfig\": {\"excludedDatasetColumns\": { \"datasetType\" : [ \"column1Name\", \"column2Name\"]}}}"
```

 학습에 사용된 열을 수정하면 Personalize이 추천자를 지원하는 모델의 전체 재학습을 자동으로 시작합니다. 업데이트가 완료되더라도 추천자로부터 추천을 받을 수 있습니다. 추천자는 업데이트가 완료될 때까지 이전 구성을 사용합니다. 이 업데이트의 상태를 추적하려면 [DescribeRecommender](API_DescribeRecommender.md)작업에서 반환된 `latestRecommenderUpdate`을 사용합니다.

변경할 수 있는 다른 옵션에 대한 자세한 내용은 [RecommenderConfig](API_RecommenderConfig.md)단원을 참조하세요.

## 추천자 업데이트(AWS SDK)
<a name="update-recommender-sdks"></a>

AWS에서 추천자를 업데이트하려면 [UpdateRecommender](API_UpdateRecommender.md)작업을 사용합니다. 추천자의 리소스 이름(ARN)을 제공하고 새 구성을 지정합니다. 다음 코드는 추천자가 학습에 사용하는 열을 업데이트하는 방법을 보여줍니다.

------
#### [ SDK for Python (Boto3) ]

```
import boto3

personalize = boto3.client('personalize')

update_recommender_response = personalize.update_recommender(
  recommenderArn = 'dataset group ARN',
  recommenderConfig = {
    "trainingDataConfig": {
      "excludedDatasetColumns": { 
        "datasetType": ["COLUMN_A", "COLUMN_B"]
      }
    }
  }     
)
```

------
#### [ SDK for JavaScript v3 ]

```
// Get service clients and commands using ES6 syntax.
import { UpdateRecommenderCommand, PersonalizeClient } from
  "@aws-sdk/client-personalize";

// create personalizeClient
const personalizeClient = new PersonalizeClient({
  region: "REGION"
});

// set the request's parameters
export const updateRecommenderParam = {
  recommenderArn: "RECOMMENDER_ARN", /* required */
  recommenderConfig: {
    trainingDataConfig: {
      excludedDatasetColumns: {
        "DATASET_TYPE": ["COLUMN_A", "COLUMN_B"]   
      }
    }
  }
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(new UpdateRecommenderCommand(updateRecommenderParam));
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();
```

------

 `recommenderConfig`의 `excludedDatasetColumns`에서 학습에 사용된 열을 수정하면 Personalize이 추천자를 지원하는 모델의 전체 재학습을 자동으로 시작합니다. 업데이트가 완료되더라도 추천자로부터 추천을 받을 수 있습니다. 추천자는 업데이트가 완료될 때까지 이전 구성을 사용합니다. 이 업데이트의 상태를 추적하려면 [DescribeRecommender](API_DescribeRecommender.md)작업에서 반환된 `latestRecommenderUpdate`을 사용합니다.

변경할 수 있는 다른 옵션에 대한 자세한 내용은 [RecommenderConfig](API_RecommenderConfig.md)단원을 참조하세요.