本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 處理資料並將其匯入 Amazon Personalize
<a name="dw-export-data"></a>

 完成資料分析和轉換後，您就可以進行處理並將其匯入 Amazon Personalize。
+  **[處理資料](#dw-process-data)** – 處理資料會將轉換套用至整個資料集，並將其輸出至您指定的目的地。在此情況下，您會指定 Amazon S3 儲存貯體。
+ **[將資料匯入 Amazon Personalize](#dw-import-into-personalize)** – 若要將處理的資料匯入 Amazon Personalize，請執行 SageMaker AI Studio Classic 中提供的 Jupyter 筆記本。此筆記本會建立您的 Amazon Personalize 資料集，並將您的資料匯入其中。

## 處理資料
<a name="dw-process-data"></a>

 將資料匯入 Amazon Personalize 之前，您必須將轉換套用至整個資料集，並將其輸出至 Amazon S3 儲存貯體。若要這樣做，您可以建立目的地節點，並將目的地設定為 Amazon S3 儲存貯體，然後啟動轉換的處理任務。

如需指定目的地和啟動程序任務step-by-step說明，請參閱[使用 Amazon SageMaker AI Data Wrangler 按幾下啟動處理任務](https://aws.amazon.com/blogs/machine-learning/launch-processing-jobs-with-a-few-clicks-using-amazon-sagemaker-data-wrangler/)。當您新增目的地時，請選擇 **Amazon S3**。當您將已處理的資料匯入 Amazon Personalize 時，您將使用此位置。

完成資料處理後，您就可以將資料從 Amazon S3 儲存貯體匯入 Amazon Personalize。

## 將資料匯入 Amazon Personalize
<a name="dw-import-into-personalize"></a>

處理資料之後，您就可以將其匯入 Amazon Personalize。若要將處理的資料匯入 Amazon Personalize，請執行 SageMaker AI Studio Classic 中提供的 Jupyter 筆記本。此筆記本會建立您的 Amazon Personalize 資料集，並將您的資料匯入其中。

**將處理的資料匯入 Amazon Personalize**

1. 針對您要匯出的轉換，選擇**匯出至** ，然後選擇 **Amazon Personalize （透過 Jupyter 筆記本）**。

1. 修改筆記本以指定您用作處理任務資料目的地的 Amazon S3 儲存貯體。選擇性地為您的資料集群組指定網域。根據預設，筆記本會建立自訂資料集群組。

1. 檢閱建立結構描述的筆記本儲存格。在執行儲存格之前，請確認結構描述欄位具有預期的類型和屬性。
   +  確認支援 null 資料的欄位已`null`列在類型清單中。下列範例示範如何`null`為 欄位新增 。

     ```
     {
       "name": "GENDER",
       "type": [
         "null",
         "string"
       ],
       "categorical": true
     }
     ```
   +  確認分類欄位的分類屬性設為 true。下列範例示範如何標記欄位分類。

     ```
     {
               "name": "SUBSCRIPTION_MODEL",
               "type": "string",
               "categorical": true
     }
     ```
   + 確認文字欄位的文字屬性設為 true。下列範例示範如何將欄位標記為文字。

     ```
     {
           "name": "DESCRIPTION",
           "type": [
             "null",
             "string"
           ],
           "textual": true
     }
     ```

1. 執行筆記本以建立結構描述、建立資料集，並將您的資料匯入 Amazon Personalize 資料集。您可以像在 SageMaker AI Studio Classic 之外執行筆記本一樣執行筆記本。如需執行 Jupyter 筆記本的資訊，請參閱[執行程式碼](https://jupyter-notebook.readthedocs.io/en/stable/examples/Notebook/Running Code.html)。如需 SageMaker AI Studio Classic 中筆記本的資訊，請參閱《[Amazon SageMaker AI 開發人員指南》中的使用 Amazon SageMaker AI 筆記本](https://docs.aws.amazon.com/sagemaker/latest/dg/notebooks.html)。 *Amazon SageMaker *

    完成筆記本後，如果您匯入了互動資料，您就可以建立推薦者或自訂資源。或者，您可以使用項目資料集或使用者資料集重複此程序。
   + 如需建立網域建議程式的詳細資訊，請參閱 [Amazon Personalize 中的網域建議程式](creating-recommenders.md)。
   + 如需建立和部署自訂資源的資訊，請參閱 [用於訓練和部署 Amazon Personalize 模型的自訂資源](create-custom-resources.md)。