Modelado personalizado en AWS Clean Rooms ML

Desde un punto de vista técnico, en el siguiente diagrama se describe cómo funciona el modelado de aprendizaje automático personalizado en AWS Clean Rooms ML.

Así es como funciona el modelado de aprendizaje automático personalizado en Clean Rooms ML:

1. Configuración de la fuente de datos

   • Los datos de origen se pueden almacenar en el catálogo de Amazon S3, en o en Snowflake AWS Glue Data Catalog

   • AWS Glue Data Catalog se utiliza para organizar y catalogar

   • Los datos de varios se Cuentas de AWS pueden utilizar en la misma colaboración

2. Consultas SQL y procesamiento de datos

   • Las consultas SQL se utilizan para acceder a los datos de origen y procesarlos

   • Las consultas se ejecutan dentro de los límites de AWS Clean Rooms colaboración

   • Los datos procesados se introducen en los canales de entrada de ML para el entrenamiento de modelos

3. Desarrollo de modelos ML

   • El código fuente del modelo se puede desarrollar utilizando AWS Deep Learning Container Images

   • Las imágenes de contenedores personalizadas deben crearse y almacenarse en Amazon Elastic Container Registry

4. Componentes de infraestructura

   • Amazon Elastic Container Registry almacena y administra los contenedores del modelo ML

   • El procesamiento del aprendizaje automático se realiza dentro de un entorno de AWS Clean Rooms colaboración seguro

5. Monitoreo y registro

   • Amazon CloudWatch proporciona métricas y registros para ambas partes colaboradoras

   • El monitoreo está disponible para todas las Cuentas de AWS partes involucradas en la colaboración

   • Las partes pertinentes pueden acceder a las métricas de rendimiento y los registros operativos

6. Gestión de resultados

   • El acceso a los resultados se controla de acuerdo con los permisos de colaboración

Antes de empezar, consulte la Requisitos previos del modelado ML personalizado y Pautas de creación de modelos para el contenedor de formación para obtener más información.

Temas

• Crear y unirse a la colaboración en AWS Clean Rooms ML

• Contribución de datos de formación en AWS Clean Rooms ML

• Configuración de un algoritmo modelo en AWS Clean Rooms ML

• Asociación del algoritmo del modelo configurado en AWS Clean Rooms ML

• Creación de un canal de entrada de ML en AWS Clean Rooms ML

• Creación de un modelo entrenado en AWS Clean Rooms ML

• Exportación de artefactos modelo desde AWS Clean Rooms ML

• Ejecución de inferencias en un modelo entrenado en AWS Clean Rooms ML