Criando e participando da colaboração no AWS Clean Rooms ML

O criador da colaboração é responsável por criar a colaboração, convidar membros e atribuir suas funções. Os membros convidados participam da colaboração e especificam configurações de resultados, modelos treinados, configurações de destino de artefatos e aceitam responsabilidades de pagamento, dependendo de como a colaboração é configurada.

Criando uma colaboração para aprendizado de máquina

O procedimento a seguir mostra como criar uma colaboração para aprendizado de máquina, convidar um ou mais membros e designar membros que possam iniciar o treinamento do modelo, receber resultados, receber resultados do modelo treinado, incluindo artefatos e métricas do modelo, e receber resultados de inferência do modelo. O criador da colaboração também designa um membro que pagará pelos custos de computação de consultas, treinamento de modelos e inferência de modelos.

Console

Para criar uma colaboração para aprendizado de máquina (console)

1. Crie uma colaboração e convide um ou mais membros para participar da colaboração

2. Atribua as seguintes habilidades de membro para análise usando consultas e trabalhos:

   • Atribua Run queries ao membro que iniciará o treinamento do modelo.

   • Atribua Receber resultados da análise aos membros que receberão os resultados da consulta.

3. Atribua as seguintes habilidades de membros para modelagem de ML usando fluxos de trabalho específicos:

   • Atribua a saída de recebimento de modelos treinados ao membro que receberá os resultados do modelo treinado, incluindo artefatos e métricas do modelo.

   • Atribua a saída de recebimento da inferência do modelo ao membro que receberá os resultados da inferência do modelo.

4. Em Configurar pagamento, especifique os membros que pagarão pelos custos de computação de consulta, treinamento de modelos e inferência de modelos. Cada um desses custos pode ser atribuído aos mesmos membros ou a membros diferentes. Se um membro convidado for responsável por pagar os custos de pagamento, ele deverá aceitar suas responsabilidades de pagamento antes de ingressar na colaboração.

5. Em Configurar associação, o criador da colaboração pode decidir se juntar à associação agora ou criar uma associação mais tarde. O criador da colaboração deve então definir a configuração de ML.

   1. Se o criador da colaboração também for o receptor dos resultados, ele também deverá especificar o destino e o formato dos resultados da consulta nos padrões das configurações de Resultados.

   2. A configuração de ML fornece uma função para o Clean Rooms ML publicar métricas em um Conta da AWS. Se o criador da colaboração também estiver recebendo artefatos de modelo treinados, ele poderá especificar o bucket do Amazon S3 usado para receber os resultados.

   3. Na seção Configurações de ML, selecione Criar configuração de ML e, em seguida, especifique o destino de saída do modelo no Amazon S3 e a função de acesso ao serviço necessária para acessar esse local.

   4. Se o criador da colaboração for o membro responsável por pagar os custos de pagamento, ele deverá aceitar suas responsabilidades de pagamento antes de criar a colaboração.

API

Para criar uma colaboração para aprendizado de máquina (API)

1. Crie uma colaboração e convide um ou mais membros para participar da colaboração

2. Atribua as seguintes funções aos membros da colaboração:

   • CAN_QUERY- atribuído ao membro que iniciará o treinamento e a inferência do modelo.

   • CAN_RECEIVE_MODEL_OUTPUT- atribuído aos membros que receberão os resultados do modelo treinado.

   • CAN_RECEIVE_INFERENCE_OUTPUT- atribuído aos membros que receberão os resultados da inferência do modelo.

   Se o criador da colaboração também for o receptor dos resultados, ele também deverá especificar o destino e o formato dos resultados da consulta durante a criação da colaboração. Eles também atribuem uma função de serviço Amazon Resource Name (ARN) para gravar os resultados no destino dos resultados da consulta.

3. Especifique os membros que pagarão pelos custos de computação de consultas, treinamento de modelos e inferência de modelos. Cada um desses custos pode ser atribuído aos mesmos membros ou a membros diferentes. Se um membro convidado for responsável por pagar os custos de pagamento, ele deverá aceitar suas responsabilidades de pagamento antes de ingressar na colaboração.

4. O código a seguir cria uma colaboração, convida um membro que pode executar consultas e receber resultados e especifica o criador da colaboração como o receptor dos artefatos do modelo.

   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. O criador da colaboração deve então definir a configuração de ML. A configuração de ML fornece uma função para o Clean Rooms ML publicar métricas e registros em um Conta da AWS. Se o criador da colaboração também estiver recebendo resultados (artefatos do modelo ou resultados de inferência), ele poderá especificar o bucket do Amazon S3 usado para receber os resultados.

   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"
                   }
               }
           }
       )

Participando de uma colaboração

Depois que o criador da colaboração concluir suas tarefas, os membros convidados devem concluir as suas.

Console

Para criar uma associação e participar de uma colaboração (console)

1. O membro convidado cria uma associação e se junta à colaboração.

2. Se o membro convidado for o membro responsável pelo pagamento, incluindo os custos de computação de consultas, treinamento de modelos e inferência de modelos, ele deverá aceitar suas responsabilidades de pagamento antes de ingressar na colaboração.

3. O membro convidado define a configuração de ML, que fornece uma função para o Clean Rooms ML publicar métricas de modelo em um Conta da AWS. Se eles também forem membros que recebem artefatos de modelo treinados, devem fornecer um bucket do Amazon S3 onde os artefatos do modelo treinado são armazenados.

API

Para criar uma associação e participar de uma colaboração (API)

1. Se o membro convidado for o membro que pode receber os resultados, ele especificará o destino e o formato dos resultados de consulta. Eles também fornecem um ARN de função de serviço que permite que o serviço grave no destino dos resultados da consulta.

   Se o membro convidado for o membro responsável pelo pagamento, incluindo os custos de computação de consultas, treinamento de modelos e inferência de modelos, ele deverá aceitar suas responsabilidades de pagamento antes de ingressar na colaboração.

   Se o membro convidado for o membro responsável por pagar pelo treinamento e inferência de modelos para modelagem personalizada, ele deverá aceitar suas responsabilidades de pagamento antes de ingressar na colaboração.

   O código a seguir cria uma associação com o registro de consultas ativado.

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

2. O membro convidado define a configuração de ML, que fornece uma função para o Clean Rooms ML publicar métricas de modelo em um Conta da AWS. Se eles também forem membros que recebem artefatos de modelo treinados, eles devem fornecer um bucket Amazon S3 onde os artefatos de modelos treinados são armazenados.

   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"
                   }
               }
           }
       )