View a markdown version of this page

Requisitos previos para el modelado de ML personalizado - AWS Clean Rooms

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Requisitos previos para el modelado de ML personalizado

Antes de poder realizar un modelado de ML personalizado, debe tener en cuenta lo siguiente:

  • Determine si tanto el entrenamiento del modelo como la inferencia sobre el modelo entrenado se realizarán en la colaboración.

  • Determine la función que desempeñará cada miembro de la colaboración y asígnele las habilidades adecuadas.

    • Asigne la CAN_QUERY habilidad al miembro que entrenará el modelo y realizará la inferencia en el modelo entrenado.

    • Asigne la CAN_RECEIVE_RESULTS a al menos un miembro de la colaboración.

    • Asigne CAN_RECEIVE_MODEL_OUTPUT CAN_RECEIVE_INFERENCE_OUTPUT habilidades al miembro que recibirá la exportación del modelo entrenado o el resultado de la inferencia, respectivamente. Puedes elegir usar ambas habilidades si tu caso práctico las requiere.

  • Determina el tamaño máximo de los artefactos del modelo entrenado o de los resultados de la inferencia que permitirás exportar.

  • Recomendamos que todos los usuarios tengan las CleanroomsMLFullAccess políticas CleanrooomsFullAccess y asociadas a su rol. El uso de modelos de aprendizaje automático personalizados requiere usar tanto los SDK de AWS Clean Rooms aprendizaje automático de AWS Clean Rooms como los de AWS.

  • Tenga en cuenta la siguiente información sobre las funciones de IAM.

    • Todos los proveedores de datos deben tener una función de acceso al servicio que les AWS Clean Rooms permita leer los datos de sus AWS Glue catálogos y tablas, así como de las ubicaciones subyacentes de Amazon S3. Estas funciones son similares a las necesarias para las consultas de SQL. Esto le permite usar la CreateConfiguredTableAssociation acción. Para obtener más información, consulte Cree un rol de servicio para crear una asociación de tablas configurada.

    • Todos los miembros que deseen recibir las métricas deben tener una función de acceso al servicio que les permita escribir CloudWatch métricas y registros. Clean Rooms ML utiliza esta función para escribir todas las métricas y registros del modelo en los miembros Cuenta de AWS durante el entrenamiento y la inferencia del modelo. También proporcionamos controles de privacidad para determinar qué miembros tienen acceso a las métricas y los registros. Esto te permite usar la CreateMLConfiguration acción. Para obtener más información, consulte, Cree un rol de servicio para el modelado de aprendizaje automático personalizado: configuración de aprendizaje automático.

      El miembro que reciba los resultados debe proporcionar un rol de acceso al servicio con permisos para escribir en su bucket de Amazon S3. Esta función permite a Clean Rooms ML exportar los resultados (artefactos de modelos entrenados o resultados de inferencias) a un bucket de Amazon S3. Esto le permite usar la CreateMLConfiguration acción. Para obtener más información, consulte Cree un rol de servicio para el modelado de aprendizaje automático personalizado: configuración de aprendizaje automático.

    • El proveedor del modelo debe proporcionar un rol de acceso al servicio con permisos para leer su repositorio e imagen de Amazon ECR. Esto le permite usar la CreateConfigureModelAlgorithm acción. Para obtener más información, consulte Cree un rol de servicio para proporcionar un modelo de aprendizaje automático personalizado.

    • El miembro que la cree MLInputChannel para generar conjuntos de datos con fines de entrenamiento o inferencia debe proporcionar una función de acceso al servicio que permita a Clean Rooms ML ejecutar una consulta SQL en él. AWS Clean Rooms Esto le permite usar las acciones CreateTrainedModel yStartTrainedModelInferenceJob. Para obtener más información, consulte Cree un rol de servicio para consultar un conjunto de datos.

  • Los autores del modelo deben seguir las instrucciones Pautas de creación de modelos para el contenedor de capacitación y Pautas de creación de modelos para el contenedor de inferencias asegurarse de que las entradas y salidas del modelo estén configuradas según lo esperado AWS Clean Rooms.