AWS Clean Rooms ML の使用 - AWS Clean Rooms
類似モデルの操作 (トレーニングデータプロバイダー）類似セグメントの操作 (シードデータプロバイダー）

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

AWS Clean Rooms ML の使用

類似モデルとは、トレーニングデータプロバイダーのデータのモデルです。これにより、シードデータプロバイダーは、トレーニングデータプロバイダーのデータのうち、シードデータに最も近い類似セグメントを作成できます。コラボレーションで使用できる類似モデルを作成するには、トレーニングデータをインポートし、類似モデルを作成し、その類似モデルを設定して、コラボレーションに関連付ける必要があります。

トレーニングデータプロバイダーが ML モデルの作成を完了すると、シードデータプロバイダーはシードセグメントを作成してエクスポートできます。

類似モデルの操作 (トレーニングデータプロバイダー）

トレーニングデータをインポートする

類似モデルを作成する前に、トレーニングデータを含む AWS Glue テーブルを指定する必要があります。Clean Rooms ML は、このデータのコピーを保存せず、データへのアクセスを許可するメタデータのみを保存します。

でトレーニングデータをインポートするには AWS Clean Rooms

  1. にサインイン AWS Management Console し、 でAWS Clean Rooms コンソールを開きます AWS アカウント （まだ開いていない場合）。

  2. 左のナビゲーションペインで [ML モデリング] を選択します。

  3. [トレーニングデータセット] タブで [トレーニングデータセットを作成] を選択します。

  4. 「トレーニングデータセットの作成」ページの「トレーニングデータセットの詳細」に、名前とオプションの「説明」を入力します。

  5. ドロップダウンリストから設定するデータベースとテーブルを選択して、トレーニングデータソースを選択します。

    注記

    テーブルが正しいことを確認するには、次のいずれかの操作を行います。

    • で表示を選択します AWS Glue。

    • [スキーマを表示] をオンにして、スキーマを表示します。

  6. トレーニングの詳細 で、ドロップダウンリストからユーザー識別子列 、項目識別子列 、タイムスタンプ列を選択します。トレーニングデータには、これら 3 つの列が含まれている必要があります。また、トレーニングデータに含める他の列を選択できます。

    Timestamp 列のデータは、Unix エポック時間を秒形式で指定する必要があります。

  7. （オプション) をトレーニングする追加の列がある場合は、ドロップダウンリストから列名とタイプを選択します。

  8. サービスアクセス では、データにアクセスできるサービスロールを指定し、データが暗号化されている場合はKMSキーを指定する必要があります。新しいサービスロールを作成して使用するを選択すると、Clean Rooms ML は自動的にサービスロールを作成し、必要なアクセス許可ポリシーを追加します。使用する特定のサービスロールがある場合は、「既存のサービスロールを使用する」を選択し、「サービスロール名」フィールドに入力します。

    データが暗号化されている場合は、 AWS KMS keyフィールドにKMSキーを入力するか、 の作成 AWS KMS key をクリックして新しいKMSキーを生成します。

  9. トレーニングデータセットでタグを有効にする場合は、[新しいタグを追加] を選択し、キーと値のペアを入力します。

  10. [トレーニングデータセットを作成] を選択します。

対応するAPIアクションについては、「」を参照してくださいCreateTrainingDataset。

類似モデルの作成

トレーニングデータセットを作成したら、類似モデルを作成する準備が整います。1 つのトレーニングデータセットから多数の類似モデルを作成できます。

でデフォルトのデータベースを作成する AWS Glue Data Catalog か、指定されたロールに アクセスglue:createDatabase許可を含める必要があります。

で類似モデルを作成するには AWS Clean Rooms

  1. にサインイン AWS Management Console し、 でAWS Clean Rooms コンソールを開きます AWS アカウント （まだ開いていない場合）。

  2. 左のナビゲーションペインで [ML モデリング] を選択します。

  3. [そっくりなモデル] タブで、[類似モデルの作成] を選択します。

  4. 類似モデルの作成ページの類似モデルの詳細 に、名前 とオプションの説明 を入力します。

    1. モデル化する [トレーニングデータセット] をドロップダウンリストから選択します。

      注記

      これが正しいトレーニングデータセットであることを確認するには、トレーニングデータセットの詳細を表示 をオンにして詳細を表示します。

      新しいトレーニングデータセットを作成するには、トレーニングデータセットの作成 を選択します。

    2. （オプション) トレーニングウィンドウ を入力します。

  5. 類似モデルのカスタム暗号化設定を有効にする場合は、暗号化設定をカスタマイズを選択してから、KMSキーを入力します。

  6. 類似モデルでタグを有効にする場合は、[新しいタグを追加] を選択し、キーと値のペアを入力します。

  7. [類似モデルの作成] を選択します。

    注記

    モデルトレーニングには数時間から 2 日かかる場合があります。

対応するAPIアクションについては、「」を参照してくださいCreateAudienceModel。

類似モデルの設定

類似モデルを作成したら、コラボレーションで使用するように設定する準備が整います。1 つの類似モデルから、複数の設定済みの類似モデルを作成できます。

で類似モデルを設定するには AWS Clean Rooms

  1. にサインイン AWS Management Console し、 でAWS Clean Rooms コンソールを開きます AWS アカウント （まだ開いていない場合）。

  2. 左のナビゲーションペインで [ML モデリング] を選択します。

  3. [設定済みの類似モデル] タブで、[類似モデルの設定] を選択します。

  4. 「類似モデルの設定」ページの「類似モデルの詳細の設定」に、名前とオプションの「説明」を入力します。

    1. 設定する [類似モデル] をドロップダウンリストから選択します。

      注記

      これが正しい類似モデルであることを確認するには、類似モデルの詳細を表示 をオンにして詳細を表示します。

      新しい類似モデルを作成するには、類似モデルの作成 を選択します。

    2. 希望する [マッチングシードサイズの最小値] を選択します。これは、シードデータプロバイダーのデータに含まれるユーザーのうち、トレーニングデータ内のユーザーと重複するユーザーの最小数です。この値は 0 より大きい必要があります。

  5. [他のメンバーと共有するメトリクス] では、コラボレーションのシードデータプロバイダーに関連性スコアを含むモデルメトリクスを受信させるかどうかを選択します。

  6. [類似セグメントの送信先ロケーション] には、類似セグメントがエクスポートされる Amazon S3 バケットを入力します。このバケットは、他のリソースと同じリージョンに配置する必要があります。

  7. [サービスアクセス] では、このテーブルへのアクセスに使用する [既存のサービスロール名] を選択します。

  8. 高度なビンサイズ設定 では、オーディエンスサイズタイプを絶対数またはパーセンテージ として指定します。

  9. 設定済みテーブルのリソースでタグを有効にする場合は、[新しいタグを追加] を選択し、キーと値のペアを入力します。

  10. 類似モデルの設定 を選択します。

対応するAPIアクションについては、「」を参照してくださいCreateConfiguredAudienceModel。

設定済みの類似モデルを関連付ける

類似モデルを設定したら、それをコラボレーションに関連付けることができます。

で設定された類似モデルを関連付けるには AWS Clean Rooms

  1. にサインイン AWS Management Console し、 でAWS Clean Rooms コンソールを開きます AWS アカウント （まだ開いていない場合）。

  2. 左のナビゲーションペインで、[コラボレーション] を選択します。

  3. [アクティブメンバーシップあり] タブでコラボレーションを選択します。

  4. ML モデリングタブの R eady-to-use 類似モデル で、類似モデル を関連付け を選択します。

  5. 「類似モデルの関連付け設定済み」ページの「類似モデルの関連付け設定済み」の詳細：

    1. 関連する設定済みオーディエンスモデルの [名前] を入力します。

    2. テーブルの [説明] を入力します。

      この説明は、似たような名前を持つ他の関連する設定済みオーディエンスモデルと区別するのに役立ちます。

  6. [設定済みの類似モデル] では、ドロップダウンリストから設定済みの類似モデルを選択します。

  7. [関連付ける] を選択します。

対応するAPIアクションについては、「」を参照してくださいCreateConfiguredAudienceModelAssociation。

設定された類似モデルを更新する

類似モデルをコラボレーションに関連付けた後、そのモデルを更新して、名前、共有するメトリクス、Amazon S3 の場所の出力などの情報を変更できます。

で関連する設定済み類似モデルを更新するには AWS Clean Rooms

  1. にサインイン AWS Management Console し、 でAWS Clean Rooms コンソールを開きます AWS アカウント （まだ開いていない場合）。

  2. 左側のナビゲーションペインで、ML モデリング を選択します。

  3. 「設定済み類似モデル」タブの「R eady-to-use 類似モデル」で、設定済み類似モデルを選択し、「編集」を選択します。

  4. 編集ページの「設定済み類似モデルの関連付けの詳細」：

    1. 名前 とオプションの説明 を更新します。

    2. ドロップダウンリストから、設定する類似モデルを選択します。

    3. 希望する [マッチングシードサイズの最小値] を選択します。これは、シードデータプロバイダーのデータに含まれるユーザーのうち、トレーニングデータ内のユーザーと重複するユーザーの最小数です。この値は 0 より大きい必要があります。

  5. [他のメンバーと共有するメトリクス] では、コラボレーションのシードデータプロバイダーに関連性スコアを含むモデルメトリクスを受信させるかどうかを選択します。

  6. [類似セグメントの送信先ロケーション] には、類似セグメントがエクスポートされる Amazon S3 バケットを入力します。このバケットは、他のリソースと同じリージョンに配置する必要があります。

  7. [サービスアクセス] では、このテーブルへのアクセスに使用する [既存のサービスロール名] を選択します。

  8. 高度なビンサイズ設定 で、オーディエンスのビンサイズを設定する方法を選択します。

  9. [Save changes] (変更の保存) をクリックします。

対応するAPIアクションについては、「」を参照してくださいUpdateConfiguredAudienceModel。

類似セグメントの操作 (シードデータプロバイダー）

類似セグメントの作成

類似セグメントは、シードデータに最も近いトレーニングデータのサブセットです。

で類似セグメントを作成するには AWS Clean Rooms

  1. にサインイン AWS Management Console し、 でAWS Clean Rooms コンソールを開きます AWS アカウント （まだ開いていない場合）。

  2. 左のナビゲーションペインで、[コラボレーション] を選択します。

  3. [アクティブメンバーシップあり] タブでコラボレーションを選択します。

  4. [ML モデリング] タブで [類似セグメントの作成] を選択します。

  5. 「類似セグメントの作成」ページの「関連付けられた設定済み類似モデル」で、この類似セグメントに使用する、関連する設定済み類似モデルを選択します。

  6. Lookalike セグメントの詳細には、名前 とオプションの説明 を入力します。

  7. シードプロファイル では、オプションを選択し、推奨アクションを実行してシードメソッドを選択します。

    オプション 推奨されるアクション
    Amazon S3 入力ソース

    1. Amazon S3 の場所を選択します。

    2. （オプション) 出力 でシードプロファイルを含めるを選択します。
    SQL クエリ SQL クエリを記述し、その結果をシードデータとして使用します。
    分析テンプレート ドロップダウンリストから分析テンプレートを選択し、分析テンプレートによって作成された結果を使用します。

  8. [サービスアクセス] では、このテーブルへのアクセスに使用する [既存のサービスロール名] を選択します。

  9. トレーニングデータセットでタグを有効にする場合は、[新しいタグを追加] を選択し、キーと値のペアを入力します。

  10. [類似セグメントの作成] を選択します。

対応するAPIアクションについては、「」を参照してくださいStartAudienceGenerationJob。

類似セグメントをエクスポートする

類似セグメントを作成したら、そのデータを Amazon S3 バケットにエクスポートできます。

で類似セグメントをエクスポートするには AWS Clean Rooms

  1. にサインイン AWS Management Console し、 でAWS Clean Rooms コンソールを開きます AWS アカウント （まだ開いていない場合）。

  2. 左のナビゲーションペインで、[コラボレーション] を選択します。

  3. [アクティブメンバーシップあり] タブでコラボレーションを選択します。

  4. ML モデリングタブの類似セグメント で類似セグメントを選択し、エクスポート を選択します。

  5. [類似モデルのエクスポート] で、[類似モデルの詳細のエクスポート] に [名前] と [説明] (オプション) を入力します。

  6. [セグメントサイズ] では、エクスポートするセグメントのサイズを選択します。

  7. [エクスポート] をクリックします。

対応するAPIアクションについては、「」を参照してくださいStartAudienceExportJob。

類似モデルを作成し、シードセグメントをエクスポートしたので、エクスポートしたデータを S3 で表示する準備が整いました。