Modellazione personalizzata in AWS Clean Rooms ML

Da un punto di vista tecnico, il seguente diagramma descrive come funziona la modellazione ML personalizzata in AWS Clean Rooms ML.

Ecco come funziona la modellazione ML personalizzata in Clean Rooms ML:

1. Configurazione dell'origine dati

   • I dati di origine possono essere archiviati nel catalogo Amazon S3, nel o AWS Glue Data Catalog Snowflake

   • AWS Glue Data Catalog viene utilizzato per organizzare e catalogare

   • I dati provenienti da più Account AWS fonti possono essere utilizzati all'interno della stessa collaborazione

2. Interrogazione SQL ed elaborazione dati

   • Le query SQL vengono utilizzate per accedere ed elaborare i dati di origine

   • Le interrogazioni vengono eseguite entro i limiti della collaborazione AWS Clean Rooms

   • I dati elaborati vengono inseriti nei canali di input ML per la formazione dei modelli

3. Sviluppo di modelli ML

   • Il codice sorgente del modello può essere sviluppato utilizzando AWS Deep Learning Container Images

   • Le immagini dei contenitori personalizzate devono essere create e archiviate in Amazon Elastic Container Registry.

4. Componenti dell'infrastruttura

   • Amazon Elastic Container Registry archivia e gestisce i contenitori del modello ML

   • L'elaborazione ML avviene all'interno di un ambiente di AWS Clean Rooms collaborazione sicuro

5. Monitoraggio e registrazione

   • Amazon CloudWatch fornisce parametri e log per entrambe le parti che collaborano

   • Il monitoraggio è disponibile per tutte le Account AWS parti coinvolte nella collaborazione

   • Le metriche delle prestazioni e i registri operativi sono accessibili alle parti interessate

6. Gestione dei risultati

   • L'accesso ai risultati è controllato in base alle autorizzazioni di collaborazione

Prima di iniziare, consulta Prerequisiti per la modellazione ML personalizzata e Linee guida per la creazione di modelli per il contenitore di formazione per ulteriori informazioni.

Argomenti

• Creazione e partecipazione alla collaborazione in AWS Clean Rooms ML

• Contribuire ai dati di formazione in AWS Clean Rooms ML

• Configurazione di un algoritmo modello in AWS Clean Rooms ML

• Associazione dell'algoritmo del modello configurato in AWS Clean Rooms ML

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

• Creazione di un modello addestrato in AWS Clean Rooms ML

• Esportazione di artefatti del modello da AWS Clean Rooms ML

• Esecuzione dell'inferenza su un modello addestrato in AWS Clean Rooms ML