Lavorare con ML AWS Clean Rooms

Un modello simile è un modello di dati di un fornitore di dati di addestramento che consente a un fornitore di dati iniziali di creare un segmento simile dei dati del fornitore di dati di addestramento che più assomiglia ai propri dati iniziali. Per creare un modello simile da utilizzare in una collaborazione, è necessario importare i dati di addestramento, creare un modello simile, configurare quel modello simile e quindi associarlo a una collaborazione.

Dopo che il fornitore di dati di addestramento ha terminato di creare il modello ML, il fornitore di dati di base può creare ed esportare il segmento seed.

Lavorare con modelli simili (fornitore di dati di formazione)

Importa i dati di allenamento

Prima di creare un modello simile, è necessario specificare la AWS Glue tabella che contiene i dati di addestramento. Clean Rooms ML non memorizza una copia di questi dati, ma solo i metadati che gli consentono di accedere ai dati.

Per importare i dati di allenamento in AWS Clean Rooms

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console con il tuo Account AWS (se non l'hai ancora fatto).

2. Nel riquadro di navigazione a sinistra, scegli ML Modeling.

3. Nella scheda Set di dati di allenamento, scegli Crea set di dati di allenamento.

4. Inserisci un nome e una descrizione opzionale.

5. Per Origine dati, scegli la tua AWS Glue tabella:

   1. Scegli il database che desideri configurare dall'elenco a discesa.

   2. Scegli l'origine dei dati di formazione selezionando il database e la tabella che desideri configurare dagli elenchi a discesa.

   Nota

   Per verificare che questa sia la tabella corretta, esegui una delle seguenti operazioni:

   • Scegliete Visualizza in AWS Glue.

   • Attiva Visualizza schema per visualizzare lo schema.

6. Per i dettagli sulla formazione, scegli la colonna Identificatore utente, la colonna Identificatore articolo e la colonna Timestamp dai tuoi dati. I dati di allenamento devono contenere queste tre colonne. Puoi anche selezionare qualsiasi altra colonna che desideri includere nei dati di allenamento.

   I dati nella colonna Timestamp devono essere nel formato Unix epoch time in secondi.

7. In Service access, è necessario specificare un ruolo di servizio che può accedere ai dati e fornire una chiave KMS se i dati sono crittografati. Scegli Crea e usa un nuovo ruolo di servizio e Clean Rooms ML creerà automaticamente un ruolo di servizio e aggiungerà la politica di autorizzazioni necessaria. Scegli Usa un ruolo di servizio esistente e inseriscilo nel campo Nome del ruolo di servizio se hai un ruolo di servizio specifico che desideri utilizzare.

   Se i tuoi dati sono crittografati, inserisci la tua chiave KMS nel AWS KMS keycampo o fai clic su Crea una AWS KMS key per generare una nuova chiave KMS.

8. Se desideri abilitare i tag per il set di dati di addestramento, scegli Aggiungi nuovo tag e inserisci la coppia Chiave e Valore.

9. Scegli Crea set di dati di allenamento.

Per l'azione API corrispondente, consulta CreateTrainingDataset.

Crea un modello simile

Dopo aver creato un set di dati di addestramento, sei pronto per creare un modello simile. È possibile creare molti modelli simili a partire da un singolo set di dati di addestramento.

È necessario creare un database predefinito nel proprio account AWS Glue Data Catalog o includere l'glue:createDatabaseautorizzazione nel ruolo fornito.

Per creare un modello simile in AWS Clean Rooms

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console con il tuo Account AWS (se non l'hai ancora fatto).

2. Nel riquadro di navigazione a sinistra, scegli ML Modeling.

3. Nella scheda Modelli simili, scegli Crea modello simile.

4. Per Crea un modello simile, per i dettagli del modello Lookalike:

   1. Inserisci un nome e una descrizione opzionale.

   2. Scegli il set di dati di addestramento che desideri modellare dall'elenco a discesa.

   3. Inserisci una finestra di formazione opzionale.

5. Se desideri abilitare le impostazioni di crittografia personalizzate per il modello simile, scegli Personalizza le impostazioni di crittografia e quindi inserisci la chiave KMS.

6. Se desideri abilitare i tag per il modello simile, scegli Aggiungi nuovo tag e inserisci la coppia Chiave e Valore.

7. Scegli Crea un modello simile.

Per l'azione API corrispondente, consulta. CreateAudienceModel

Configura un modello simile

Dopo aver creato un modello simile, sei pronto a configurarlo per l'utilizzo in collaborazione. È possibile creare più modelli simili configurati a partire da un unico modello simile.

Per configurare un modello simile in AWS Clean Rooms

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console con il tuo Account AWS (se non l'hai ancora fatto).

2. Nel riquadro di navigazione a sinistra, scegli ML Modeling.

3. Nella scheda Modelli simili configurati, scegli Configura modello simile.

4. Per Configura il modello simile, per i dettagli del modello simile configurato:

   1. Inserisci un nome e una descrizione opzionale.

   2. Scegli il modello Lookalike che desideri configurare dall'elenco a discesa.

   3. Scegli la dimensione minima del seme corrispondente che desideri. Questo è il numero minimo di utenti nei dati del fornitore di dati iniziali che si sovrappongono agli utenti nei dati di addestramento. Questo valore deve essere maggiore di 0.

5. Per condividere Metrics con altri membri, scegli se desideri che il fornitore di dati iniziali che collabora riceva le metriche del modello, compresi i punteggi di pertinenza.

6. Per la posizione di destinazione del segmento Lookalike, inserisci il bucket Amazon S3 in cui viene esportato il segmento Lookalike. Questo bucket deve trovarsi nella stessa regione delle altre risorse.

7. Per Accesso al servizio, scegli il nome del ruolo di servizio esistente che verrà utilizzato per accedere a questa tabella.

8. Scegli Configura modello Lookalike.

9. Se desideri abilitare i tag per la risorsa della tabella configurata, scegli Aggiungi nuovo tag, quindi inserisci la coppia Chiave e Valore.

Per l'azione API corrispondente, consulta CreateConfiguredAudienceModel.

Associa un modello simile configurato

Dopo aver configurato un modello simile, puoi associarlo a una collaborazione.

Per associare un modello simile configurato in AWS Clean Rooms

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console con il tuo Account AWS (se non l'hai ancora fatto).

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

3. Nella scheda Con iscrizione attiva, scegli una collaborazione.

4. Nella scheda ML Modeling, scegli Associa modello simile.

5. Per il modello sosia configurato da Associate, per i dettagli del modello sosia associato:

   1. Inserisci un nome per il modello di audience configurato associato.

   2. Inserire una descrizione della tabella.

      La descrizione aiuta a distinguere tra altri modelli di audience configurati associati con nomi simili.

6. Per Modello simile configurato, scegli un modello simile configurato dall'elenco a discesa.

7. Selezionare Associate (Associa).

Per l'azione API corrispondente, consulta. CreateConfiguredAudienceModelAssociation

Aggiornare un modello simile configurato

Dopo aver associato un modello simile configurato, puoi aggiornarlo per modificare informazioni come il nome, i parametri da condividere o la posizione di output di Amazon S3.

Per aggiornare un modello simile configurato associato in AWS Clean Rooms

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console con il tuo Account AWS (se non l'hai ancora fatto).

2. Nel riquadro di navigazione a sinistra, scegli Modellazione ML.

3. Nella scheda Modelli simili configurati, scegli un modello simile configurato e seleziona Modifica.

4. Per Configura il modello simile, per i dettagli del modello simile configurato:

   1. Scegli il modello Lookalike che desideri configurare dall'elenco a discesa.

   2. Scegli la dimensione minima del seme corrispondente che desideri. Questo è il numero minimo di utenti nei dati del fornitore di dati iniziali che si sovrappongono agli utenti nei dati di addestramento. Questo valore deve essere maggiore di 0.

5. Per condividere Metrics con altri membri, scegli se desideri che il fornitore di dati iniziali che collabora riceva le metriche del modello, compresi i punteggi di pertinenza.

6. Per la posizione di destinazione del segmento Lookalike, inserisci il bucket Amazon S3 in cui viene esportato il segmento Lookalike. Questo bucket deve trovarsi nella stessa regione delle altre risorse.

7. Per Accesso al servizio, scegli il nome del ruolo di servizio esistente che verrà utilizzato per accedere a questa tabella.

8. Per la configurazione avanzata delle dimensioni dei contenitori, scegli come desideri configurare le dimensioni dei contenitori per destinatari.

9. Seleziona Salvataggio delle modifiche.

Per l'azione API corrispondente, consulta UpdateConfiguredAudienceModel.

Utilizzo di segmenti simili (fornitore di dati iniziali)

Crea un segmento simile

Un segmento simile è un sottoinsieme dei dati di addestramento che più assomiglia ai dati iniziali.

Per creare un segmento simile in AWS Clean Rooms

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console con il tuo Account AWS (se non l'hai ancora fatto).

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

3. Nella scheda Con iscrizione attiva, scegli una collaborazione.

4. Nella scheda ML Modeling, scegli Crea segmento simile.

5. Per Crea un segmento simile, per i dettagli del segmento simile inserisci un nome e una descrizione facoltativa.

6. Per i profili Seed, scegli la fonte di input Amazon S3 in cui sono archiviati i dati dei seed.

7. Per l'accesso al servizio, scegli il nome del ruolo di servizio esistente che verrà utilizzato per accedere a questa tabella.

8. Se desideri abilitare i tag per il set di dati di addestramento, scegli Aggiungi nuovo tag e inserisci la coppia Chiave e Valore.

9. Scegli Crea un segmento simile.

Per l'azione API corrispondente, consulta. StartAudienceGenerationJob

Esporta un segmento simile

Dopo aver creato un segmento simile, puoi esportare i dati in un bucket Amazon S3.

Per esportare un segmento simile in AWS Clean Rooms

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console con il tuo Account AWS (se non l'hai ancora fatto).

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

3. Nella scheda Con iscrizione attiva, scegli una collaborazione.

4. Nella scheda ML Modeling, seleziona un segmento simile e scegli Esporta.

5. Per Esporta modello simile, per Esporta dettagli del modello simile, inserisci un nome e una descrizione opzionale.

6. Per Dimensioni del segmento, scegli la dimensione desiderata per il segmento esportato.

7. Scegli Export (Esporta).

Per l'azione API corrispondente, consulta StartAudienceExportJob.

Passaggi successivi

Ora che avete creato un modello simile ed esportato un segmento iniziale, siete pronti per:

• Manage (Gestione) AWS Clean Rooms