Modelagem personalizada no AWS Clean Rooms ML

Do ponto de vista técnico, o diagrama a seguir descreve como a modelagem personalizada de ML funciona no AWS Clean Rooms ML.

Veja como a modelagem personalizada de ML funciona no Clean Rooms ML:

1. Configuração da fonte de dados

   • Os dados de origem podem ser armazenados no catálogo do Amazon S3, no, ou no AWS Glue Data Catalog Snowflake

   • AWS Glue Data Catalog é usado para organizar e catalogar

   • Dados de vários Contas da AWS podem ser usados na mesma colaboração

2. Consulta SQL e processamento de dados

   • As consultas SQL são usadas para acessar e processar os dados de origem

   • As consultas são executadas dentro dos limites da AWS Clean Rooms colaboração

   • Os dados processados são alimentados nos canais de entrada de ML para treinamento de modelos

3. Desenvolvimento do modelo de ML

   • O código-fonte do modelo pode ser desenvolvido usando imagens de contêiner de aprendizado AWS profundo

   • Imagens de contêiner personalizadas devem ser criadas e armazenadas no Amazon Elastic Container Registry

4. Componentes de infraestrutura

   • O Amazon Elastic Container Registry armazena e gerencia os contêineres do modelo ML

   • O processamento de ML ocorre dentro do ambiente de AWS Clean Rooms colaboração seguro

5. Monitoramento e registro em log

   • A Amazon CloudWatch fornece métricas e registros para ambas as partes colaboradoras

   • O monitoramento está disponível para todos os Contas da AWS envolvidos na colaboração

   • As métricas de desempenho e os registros operacionais estão acessíveis às partes relevantes

6. Gestão de resultados

   • O acesso aos resultados é controlado de acordo com as permissões de colaboração

Antes de começar, consulte Pré-requisitos de modelagem de ML personalizada e Diretrizes de criação de modelos para o contêiner de treinamento para obter mais informações.

Tópicos

• Criando e participando da colaboração no AWS Clean Rooms ML

• Contribuindo com dados de treinamento no AWS Clean Rooms ML

• Configurando um algoritmo de modelo no AWS Clean Rooms ML

• Associando o algoritmo do modelo configurado no AWS Clean Rooms ML

• Criação de um canal de entrada de ML no AWS Clean Rooms ML

• Criação de um modelo treinado no AWS Clean Rooms ML

• Exportação de artefatos de modelo do AWS Clean Rooms ML

• Execução de inferência em um modelo treinado no AWS Clean Rooms ML