AWS Clean Rooms ML에서 공동 작업 생성 및 참여

공동 작업 생성자는 공동 작업을 생성하고, 구성원을 초대하고, 역할을 할당할 책임이 있습니다. 초대된 구성원은 공동 작업에 참여하여 결과 설정, 훈련된 모델 아티팩트 대상 설정을 지정하고 공동 작업 설정 방식에 따라 결제 책임을 수락합니다.

기계 학습을 위한 공동 작업 생성

다음 절차에서는 기계 학습을 위한 공동 작업을 생성하고, 하나 이상의 구성원을 초대하고, 모델 훈련을 시작하고, 결과를 수신하고, 모델 아티팩트 및 지표를 포함한 훈련된 모델 결과를 수신하고, 모델 추론 결과를 수신할 수 있는 구성원을 할당하는 방법을 보여줍니다. 또한 공동 작업 생성자는 쿼리 컴퓨팅, 모델 훈련 및 모델 추론 비용을 지불할 구성원을 할당합니다.

Console

기계 학습을 위한 공동 작업을 생성하려면(콘솔)

1. 공동 작업을 생성하고 하나 이상의 구성원을 공동 작업에 초대합니다.

2. 쿼리 및 작업을 사용하여 분석에 대해 다음 멤버 기능을 할당합니다.

   • 모델 훈련을 시작할 구성원에게 실행 쿼리를 할당합니다.

   • 쿼리 결과를 받을 구성원에게 분석 결과 수신을 할당합니다.

3. 특별히 구축된 워크플로를 사용하여 ML 모델링에 대해 다음 멤버 기능을 할당합니다.

   • 모델 아티팩트 및 지표를 포함하여 훈련된 모델 결과를 받을 구성원에게 훈련된 모델의 수신 출력을 할당합니다.

   • 모델 추론 결과를 수신할 구성원에게 모델 추론의 수신 출력을 할당합니다.

4. 결제 구성에서 쿼리 컴퓨팅, 모델 훈련 및 모델 추론 비용을 지불할 멤버를 지정합니다. 이러한 각 비용은 동일하거나 다른 멤버에게 할당할 수 있습니다. 초대된 구성원이 결제 비용을 지불할 책임이 있는 구성원인 경우 공동 작업에 참여하기 전에 결제 책임을 수락해야 합니다.

5. 멤버십 구성에서 공동 작업 생성자는 지금 멤버십에 가입하거나 나중에 멤버십을 생성하기로 결정할 수 있습니다. 그러면 공동 작업 생성자가 ML 구성을 설정해야 합니다.

   1. 공동 작업 생성자가 결과 수신자이기도 한 경우 결과 설정 기본값에서 쿼리 결과 대상 및 형식도 지정해야 합니다.

   2. ML 구성은 Clean Rooms ML이 지표를에 게시하는 역할을 제공합니다 AWS 계정. 공동 작업 생성자가 훈련된 모델 아티팩트도 수신하는 경우 결과를 수신하는 데 사용되는 Amazon S3 버킷을 지정할 수 있습니다.

   3. ML 구성 섹션에서 ML 구성 생성을 선택한 다음 Amazon S3의 모델 출력 대상과이 위치에 액세스하는 데 필요한 서비스 액세스 역할을 지정합니다.

   4. 공동 작업 생성자가 결제 비용을 지불할 책임이 있는 구성원인 경우 공동 작업을 생성하기 전에 결제 책임을 수락해야 합니다.

API

기계 학습을 위한 공동 작업을 생성하려면(API)

1. 공동 작업을 생성하고 공동 작업에 참여할 구성원을 한 명 이상 초대합니다.

2. 공동 작업 구성원에게 다음 역할을 할당합니다.

   • CAN_QUERY - 모델 훈련 및 추론을 시작할 구성원에게 할당됩니다.

   • CAN_RECEIVE_MODEL_OUTPUT - 훈련된 모델 결과를 받을 구성원에게 할당됩니다.

   • CAN_RECEIVE_INFERENCE_OUTPUT - 모델 추론 결과를 받을 구성원에게 할당됩니다.

   공동 작업 생성자가 결과 수신자이기도 한 경우 공동 작업 생성 중에 쿼리 결과 대상 및 형식도 지정해야 합니다. 또한 서비스 역할 Amazon 리소스 이름(ARN)에 쿼리 결과 대상에 결과를 쓸 수 있는 권한을 부여합니다.

3. 쿼리 컴퓨팅, 모델 훈련 및 모델 추론 비용을 지불할 멤버를 지정합니다. 이러한 각 비용은 동일하거나 다른 멤버에게 할당할 수 있습니다. 초대된 구성원이 결제 비용을 지불할 책임이 있는 구성원인 경우 공동 작업에 참여하기 전에 결제 책임을 수락해야 합니다.

4. 다음 코드는 공동 작업을 생성하고, 쿼리를 실행하고 결과를 수신할 수 있는 멤버를 초대하고, 공동 작업 생성자를 모델 아티팩트 수신기로 지정합니다.

   import boto3 
   acr_client= boto3.client('cleanrooms')
    
   collaboration = a_acr_client.create_collaboration(
       members=[
           {
            'accountId': 'invited_member_accountId',
            'memberAbilities':["CAN_QUERY","CAN_RECEIVE_RESULTS"],
            'displayName': 'member_display_name'
           }
       ],
       name='collaboration_name',
       description=collaboration_description,
       creatorMLMemberAbilities= {
           'customMLMemberAbilities':["CAN_RECEIVE_MODEL_OUTPUT", "CAN_RECEIVE_INFERENCE_OUTPUT"],
       },
       creatorDisplayName='creator_display_name',
       queryLogStatus="ENABLED",
       analyticsEngine="SPARK",
       creatorPaymentConfiguration={
           "queryCompute": {
               "isResponsible": True
           },
           "machineLearning": {
               "modelTraining": {
                   "isResponsible": True
               },
               "modelInference": {
                   "isResponsible": True
               }
           }
       }
   )
    
   collaboration_id = collaboration['collaboration']['id']
   print("collaborationId: {collaboration_id}")
   
   member_membership = a_acr_client.create_membership(
       collaborationIdentifier = collaboration_id,
       queryLogStatus = 'ENABLED',
       paymentConfiguration={
           "queryCompute": {
               "isResponsible": True
           },
           "machineLearning": {
               "modelTraining": {
                   "isResponsible": True
               },
               "modelInference": {
                   "isResponsible": True
               }
           }
       }
   )

5. 그러면 공동 작업 생성자가 ML 구성을 설정해야 합니다. ML 구성은 Clean Rooms ML이 지표와 로그를에 게시하는 역할을 제공합니다 AWS 계정. 공동 작업 생성자가 결과(모델 아티팩트 또는 추론 결과)도 수신하는 경우 결과를 수신하는 데 사용되는 Amazon S3 버킷을 지정할 수 있습니다.

   import boto3 
   acr_ml_client= boto3.client('cleanroomsml')
   
   acr_ml_client.put_ml_configuration(
           membershipIdentifier=membership_id,
           defaultOutputLocation={
              'roleArn':'arn:aws:iam::account:role/roleName',
              'destination':{
                   's3Destination':{
                       's3Uri':"s3://bucketName/prefix"
                   }
               }
           }
       )

공동 작업 참여

공동 작업 생성자가 작업을 완료한 후 초대된 구성원은 작업을 완료해야 합니다.

Console

멤버십을 생성하고 공동 작업에 참여하려면(콘솔)

1. 초대된 구성원은 멤버십을 생성하고 공동 작업에 참여합니다.

2. 초대된 구성원이 쿼리 컴퓨팅, 모델 훈련 및 모델 추론 비용을 포함하여 비용을 지불할 책임이 있는 구성원인 경우 공동 작업에 참여하기 전에 지불 책임을 수락해야 합니다.

3. 초대된 구성원은 Clean Rooms ML이 모델 지표를에 게시하는 역할을 제공하는 ML 구성을 설정합니다 AWS 계정. 또한 훈련된 모델 아티팩트를 수신하는 구성원인 경우 훈련된 모델 아티팩트가 저장되는 Amazon S3 버킷을 제공해야 합니다.

API

멤버십을 생성하고 공동 작업에 참여하려면(API)

1. 초대된 구성원이 결과를 받을 수 있는 구성원인 경우, 초대된 구성원은 쿼리 결과 대상 및 형식을 지정합니다. 또한 서비스가 쿼리 결과 대상에 쓸 수 있도록 서비스 역할 ARN을 제공합니다.

   초대된 구성원이 쿼리 컴퓨팅, 모델 훈련 및 모델 추론 비용을 포함하여 비용을 지불할 책임이 있는 구성원인 경우 공동 작업에 참여하기 전에 지불 책임을 수락해야 합니다.

   초대된 구성원이 사용자 지정 모델링을 위한 모델 훈련 및 모델 추론 비용을 지불할 책임이 있는 구성원인 경우 공동 작업에 참여하기 전에 지불 책임을 수락해야 합니다.

   다음 코드는 쿼리 로깅이 활성화된 멤버십을 생성합니다.

   import boto3 
   acr_client= boto3.client('cleanrooms')
   
   acr_client.create_membership(
       membershipIdentifier='membership_id',
       queryLogStatus='ENABLED'
   )

2. 초대된 구성원은 Clean Rooms ML이 모델 지표를에 게시하는 역할을 제공하는 ML 구성을 설정합니다 AWS 계정. 또한 훈련된 모델 아티팩트를 수신하는 구성원인 경우 훈련된 모델 아티팩트가 저장되는 Amazon S3 버킷을 제공해야 합니다.

   import boto3 
   acr_ml_client= boto3.client('cleanroomsml')
   
   acr_ml_client.put_ml_configuration(
           membershipIdentifier='membership_id',
           defaultOutputLocation={
              'roleArn':"arn:aws:iam::account:role/role_name",
              'destination':{
                   's3Destination':{
                       's3Uri':"s3://bucket_name/prefix"
                   }
               }
           }
       )