AWS Clean Rooms ML でのカスタムモデリング

技術的な観点から、次の図は AWS Clean Rooms ML でのカスタム ML モデリングの仕組みを示しています。

Clean Rooms ML でのカスタム ML モデリングの仕組みは次のとおりです。

1. データソース設定

   • ソースデータは、Amazon S3 カタログ、 AWS Glue Data Catalog、または Snowflake に保存できます。

   • AWS Glue Data Catalog は、整理とカタログ化に使用されます。

   • 複数の からのデータは AWS アカウント 、同じコラボレーション内で使用できます。

2. SQL クエリとデータ処理

   • SQL クエリはソースデータへのアクセスと処理に使用されます

   • クエリは AWS Clean Rooms コラボレーションの境界内で実行されます。

   • モデルトレーニングのために ML 入力チャネルに処理されたデータフィード

3. ML モデル開発

   • モデルのソースコードは、 AWS 深層学習コンテナイメージを使用して開発できます。

   • カスタムコンテナイメージを作成して Amazon Elastic Container Registry に保存する必要があります

4. インフラストラクチャコンポーネント

   • Amazon Elastic Container Registry は ML モデルコンテナを保存および管理します

   • ML 処理は安全な AWS Clean Rooms コラボレーション環境内で行われます

5. モニタリングとロギング

   • Amazon CloudWatch は、共同作業者の両方のメトリクスとログを提供します。

   • モニタリングは、コラボレーション AWS アカウント に関与している 全体で利用できます。

   • パフォーマンスメトリクスと運用ログには関係者がアクセスできます

6. 結果管理

   • 結果へのアクセスは、コラボレーションのアクセス許可に従って制御されます。

開始する前に、カスタム ML モデリングの前提条件「」およびトレーニングコンテナのモデル作成ガイドライン「」を参照してください。

トピック

• AWS Clean Rooms ML でのコラボレーションの作成と参加

• AWS Clean Rooms ML でのトレーニングデータの提供

• AWS Clean Rooms ML でのモデルアルゴリズムの設定

• AWS Clean Rooms ML で設定されたモデルアルゴリズムの関連付け

• AWS Clean Rooms ML での ML 入力チャネルの作成

• AWS Clean Rooms ML でのトレーニング済みモデルの作成

• AWS Clean Rooms ML からのモデルアーティファクトのエクスポート

• AWS Clean Rooms ML でのトレーニング済みモデルでの推論の実行