Un rivenditore ha bisogno di un sistema di raccomandazioni che fornisca suggerimenti agli utenti esistenti basandosi sulla cronologia di navigazione di ciascun utente e che filtri gli articoli già acquistati dall'utente. Quale soluzione soddisfa questi requisiti con il minor sforzo di sviluppo?

La risposta corretta è addestrare un modello utilizzando Amazon Personalize USERPERSONALIZATION, creare un filtro in tempo reale per escludere gli articoli precedentemente acquistati, distribuire una campagna Personalize e utilizzare GetRecommendations per ottenere raccomandazioni in tempo reale. Amazon Personalize è un servizio di machine learning completamente gestito per la creazione di raccomandazioni, che riduce significativamente lo sforzo di sviluppo. Lo schema USERPERSONALIZATION è specificamente progettato per raccomandazioni personalizzate basate sull'attività dell'utente. La capacità di Personalize di applicare filtri in tempo reale consente di escludere facilmente gli articoli già acquistati. Le opzioni che propongono la costruzione di modelli in SageMaker richiedono uno sforzo di sviluppo e manutenzione molto maggiore. L'opzione PERSONALIZEDRANKING di Personalize è per il riordino di un elenco esistente, non per la generazione di nuove raccomandazioni.