Creazione di un canale di input ML in AWS Clean Rooms ML

Prerequisiti:

• E con accesso a Account AWS AWS Clean Rooms

• Una configurazione di collaborazione in AWS Clean Rooms cui si desidera creare il canale di input ML

• Autorizzazioni per interrogare i dati e creare canali di input ML nella collaborazione.

• (Facoltativo) Un algoritmo modello esistente da associare al canale di input ML o autorizzazioni per crearne uno nuovo

• (Facoltativo) Tabelle con regole di analisi che possono essere eseguite per il modello specificato.

• (Facoltativo) Una query SQL esistente o un modello di analisi da utilizzare per generare il set di dati

• (Facoltativo) Un ruolo di servizio esistente con le autorizzazioni appropriate o le autorizzazioni per creare un nuovo ruolo di servizio

• (Facoltativo) Una AWS KMS chiave personalizzata se desideri utilizzare la tua chiave di crittografia

• Autorizzazioni appropriate per creare e gestire modelli ML nell'ambito della collaborazione

Un canale di input ML è un set di dati creato da una specifica query di dati. I membri con la capacità di interrogare i dati possono preparare i propri dati per la formazione e l'inferenza creando un canale di input ML. La creazione di un canale di input ML consente di utilizzare tali dati in diversi modelli di formazione all'interno della stessa collaborazione. È necessario creare canali di input ML separati per l'addestramento e l'inferenza.

Per creare un canale di input ML, è necessario specificare la query SQL utilizzata per interrogare i dati di input e creare il canale di input ML. I risultati di questa query non vengono mai condivisi con nessun membro e rimangono entro i limiti di Clean Rooms ML. Il riferimento Amazon Resource Name (ARN) viene utilizzato nei passaggi successivi per addestrare un modello o eseguire un'inferenza.

Console

Per creare un canale di input ML (console)

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console all'indirizzo https://console.aws.amazon.com/cleanrooms.

2. Nel riquadro di navigazione a sinistra, scegli Collaborazioni.

3. Nella pagina Collaborazioni, scegli la collaborazione in cui desideri creare un canale di input ML.

4. Dopo l'apertura della collaborazione, scegli la scheda Modelli ML.

5. In Modelli ML personalizzati, nella sezione Canali di input ML, scegli Crea canale di input ML.

6. Nella pagina Crea canale di ingresso ML, per i dettagli del canale di ingresso ML, procedi come segue:

   1. In Nome, inserisci un nome univoco per il tuo canale.

   2. (Facoltativo) In Descrizione, inserisci una descrizione del tuo canale.

   3. Per Algoritmo del modello associato, selezionate l'algoritmo da utilizzare.

      Scegli Associa un algoritmo del modello per aggiungerne uno nuovo.

7. Per Dataset, scegli un metodo per generare il set di dati di addestramento:

   • Scegliete una query SQL per utilizzare i risultati di una query SQL come set di dati di addestramento.

     Se hai scelto una query SQL, inserisci la tua query nel campo Query SQL.

     (Facoltativo) Per importare una query che hai usato di recente, scegli Importa da query recenti.

   • Scegli Modello di analisi per utilizzare i risultati di un modello di analisi come set di dati di addestramento.

     Se hai scelto Modello di analisi, specifica il modello di analisi che desideri.

   1. Se non è associata alcuna tabella, scegliete Associa tabella per aggiungere tabelle con una regola di analisi che può essere eseguita per il modello specificato.

   2. Per Tipo di lavoratore, scegli il tipo di lavoratore da utilizzare. L'impostazione predefinita è CR.1X.

   3. Per Numero di lavoratori scegli il numero di lavoratori da utilizzare per la creazione di questo canale dati. L'impostazione predefinita è 16.

   4. Per Conservazione dei dati in giorni, inserisci il numero di giorni in cui conservare i dati.

   5. Per il formato dei risultati, scegliete CSV o Parquet come formato di dati da utilizzare per il canale di input ML.

8. Per l'accesso al servizio, scegliete il nome del ruolo di servizio esistente che verrà utilizzato per accedere a questa tabella o scegliete Crea e utilizza un nuovo ruolo di servizio.

9. Per la crittografia, scegli il segreto Encrypt con una chiave KMS personalizzata per specificare la tua chiave KMS e le informazioni correlate. Altrimenti, Clean Rooms ML gestirà la crittografia.

10. Scegli Crea canale di input ML.

    Ci vorranno alcuni minuti per creare il canale di ingresso ML. È possibile visualizzare un elenco di canali di ingresso ML nella scheda di input ML.

Nota

Dopo aver creato il canale di input ML, non è possibile modificarlo.

API

Per creare un canale di input ML (API)

Esegui il codice seguente con i tuoi parametri specifici:

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

acr_client.create_ml_input_channel(
    name="ml_input_channel_name",
    membershipIdentifier='membership_id',
    configuredModelAlgorithmAssociations=[configured_model_algorithm_association_arn],
    retentionInDays=1,
    inputChannel={
        "dataSource": {
            "protectedQueryInputParameters": {
                "sqlParameters": {
                    "queryString": "select * from table"
                "computeConfiguration": {
                    "worker": {
                          "type": "CR.1X",
                          "number": 16
                        }
                    },
                "resultFormat": "PARQUET"
                }
            }
        },
        "roleArn": "arn:aws:iam::111122223333:role/ezcrc-ctm-role"
    }
)
channel_arn = resp['ML Input Channel ARN']