Asociación del algoritmo del modelo configurado en AWS Clean Rooms ML

Una vez que haya configurado el algoritmo modelo, estará listo para asociarlo a una colaboración. Al asociar un algoritmo modelo, el algoritmo modelo estará disponible para todos los miembros de la colaboración.

La siguiente imagen muestra la asociación del algoritmo del modelo configurado como último paso, después de crear la imagen de entrenamiento del contenedor y configurar un algoritmo del modelo.

Console

nota

Una vez asociado el algoritmo del modelo, no se puede editar. Para realizar cambios, puede eliminar el algoritmo del modelo asociado y asociar uno nuevo.

Para asociar un algoritmo de modelo de aprendizaje automático personalizado (consola)

1. Inicie sesión AWS Management Console y abra la AWS Clean Rooms consola en https://console.aws.amazon.com/cleanrooms.

2. En el panel de navegación izquierdo, elija modelos ML personalizados.

3. En la página de modelos de aprendizaje automático personalizados, elija el algoritmo de modelo configurado que desee asociar a una colaboración y, a continuación, elija Asociar a la colaboración.

4. En la ventana Asociar el algoritmo del modelo configurado, elija la colaboración a la que desee asociarse.

5. Seleccione Elegir colaboración.

6. En la página Asociar el algoritmo del modelo, en los detalles de la asociación del algoritmo del modelo, introduzca un nombre y, si lo desea, una descripción.

7. En Algoritmo modelo, elija un algoritmo modelo configurado.

8. Para las configuraciones de privacidad de exportación del modelo entrenado,

   1. Para exportar archivos de modelo, seleccione la casilla de verificación Archivos de modelo.

   2. Para exportar los archivos de salida, seleccione la casilla de verificación Archivos de salida.

   3. Introduzca un valor de tamaño máximo para los datos exportados. El valor debe estar comprendido entre 0,01 y 10.

9. (Opcional) Si desea enviar registros de errores completos o resúmenes de errores más cortos a los miembros, según la configuración de privacidad de tareas de inferencia de modelos entrenados,

   1. En Registros completos, selecciona una o más cuentas IDs de la lista desplegable.

   2. (Opcional) Si desea enviar registros que coincidan con un patrón de filtro, introduzca un patrón de filtro.

   3. (Opcional) Si desea añadir otra cuenta y un patrón de filtro opcional, elija Añadir política de registro.

   4. En Resúmenes de errores, selecciona una o más cuentas IDs de la lista desplegable.

   5. (Opcional) Seleccione una o más entidades para redactarlas y especifique qué entidades se eliminarán del registro de errores o de los resúmenes de errores.

      • PII: redacta la información de identificación personal

      • Números: redacta números

      • Personalizado: redacción basada en el patrón de redacción personalizado

      1. Si has elegido Personalizado en el paso anterior, introduce un patrón de redacción personalizado. Esto registra la información que coincide con este patrón.

      2. (Opcional) Si quieres añadir otro patrón de redacción personalizado, selecciona Añadir otro patrón personalizado.

10. (Opcional) Si desea configurar métricas de modelos entrenados, en Configuración de métricas de modelos entrenados, seleccione un nivel de ruido de la lista desplegable.

    Puede elegir Ninguno, Bajo, Medio y Alto.

11. (Opcional) Si desea establecer el tamaño máximo de los artefactos, en Configuración de artefactos, introduzca el valor del tamaño máximo de los artefactos. El valor debe estar comprendido entre 0,01 y 10.

12. (Opcional) Si desea activar las etiquetas, seleccione Añadir nueva etiqueta y, a continuación, introduzca el par clave y valor.

13. Elija Asociar.

API

Para asociar un algoritmo de modelo de aprendizaje automático (API) personalizado

Ejecute el siguiente código con sus parámetros específicos.

También proporciona una política de privacidad que define quién tiene acceso a los diferentes registros, permite a los clientes definir las expresiones regulares y cuántos datos se pueden exportar de los resultados del modelo de entrenamiento o de las inferencias.

nota

Las asociaciones de algoritmos de modelos configurados son inmutables.

import boto3 
acr_ml_client= boto3.client('cleanroomsml')

acr_ml_client.create_configured_model_algorithm_association(
    name='configured_model_algorithm_association_name',
    description='purpose of the association',
    configuredModelAlgorithmArn='arn:aws:cleanrooms-ml:region:account:membership/membershipIdentifier/configured-model-algorithm/identifier',
    privacyConfiguration={
        "policies": {
            "trainedModelExports": {
                "filesToExport": ['files to export'],
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id'],
                        "filterPattern": ['filter pattern'],
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                'ALL_PERSONALLY_IDENTIFIABLE_INFORMATION',
                                'NUMBERS',
                                'CUSTOM'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    'custom_regex_1',
                                    'custom_regex_2'
                                ] 
                            } 
                        } 
                    }
                ],
                "containerMetrics": {
                    "noiseLevel": 'noise value'
                },
                "maxArtifactSize": {
                    "unit": 'unit',
                    "value": 'number'
                }
            },
            "trainedModelInferenceJobs": {
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id'],
                        "filterPattern": ['filter pattern'],     
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                'ALL_PERSONALLY_IDENTIFIABLE_INFORMATION',
                                'NUMBERS',
                                'CUSTOM'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    'custom_regex_1',
                                    'custom_regex_2'
                                ] 
                            }
                        }
                    }
                ],
                "maxOutputSize": {
                    "unit": 'unit',
                    "value": 'number'
                }
            }
        }
    },
    tags={
        'tag': 'tag'
    }
)

Una vez que el algoritmo modelo configurado esté asociado a la colaboración, los proveedores de datos de formación deben añadir una regla de análisis de colaboración a su tabla. Esta regla permite que la asociación de algoritmos del modelo configurado acceda a su tabla configurada. Todos los proveedores de datos de formación que contribuyan deben ejecutar el siguiente código:

import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table_association_analysis_rule(
    membershipIdentifier= 'membership_id',
    configuredTableAssociationIdentifier= 'configured_table_association_id',
    analysisRuleType= 'CUSTOM',
    analysisRulePolicy = {
        'v1': {
            'custom': {
                'allowedAdditionalAnalyses': ['arn:aws:cleanrooms-ml:region:*:membership/*/configured-model-algorithm-association/*''],
                'allowedResultReceivers': []
            }
        }
    }
)

nota

Como las asociaciones de algoritmos de modelos configurados son inmutables, recomendamos que los proveedores de datos de formación que deseen permitir su uso en listas de modelos utilicen caracteres comodín allowedAdditionalAnalyses durante las primeras iteraciones de la configuración del modelo personalizado. Esto permite a los proveedores de modelos iterar su código sin necesidad de que otros proveedores de formación vuelvan a asociarlo antes de entrenar su código de modelo actualizado con datos.