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.

# Modelado personalizado en AWS Clean Rooms ML
<a name="working-with-custom-models"></a>

Desde un punto de vista técnico, el siguiente diagrama describe cómo funciona el modelado de aprendizaje automático personalizado en AWS Clean Rooms ML.

![Información general sobre cómo funciona AWS Clean Rooms ML con modelos personalizados.](http://docs.aws.amazon.com/es_es/clean-rooms/latest/userguide/images/byomHowItWorks.png)


Así es como funciona el modelado de aprendizaje automático personalizado en Clean Rooms ML:

1. Configuración de la fuente de datos
   + Los datos de origen se pueden almacenar en el catálogo de Amazon S3, en o en Snowflake AWS Glue Data Catalog
   + AWS Glue Data Catalog se utiliza para organizar y catalogar
   + Los datos de varios se Cuentas de AWS pueden utilizar en la misma colaboración

1. Consultas SQL y procesamiento de datos
   + Las consultas SQL se utilizan para acceder a los datos de origen y procesarlos
   + Las consultas se ejecutan dentro de los límites de AWS Clean Rooms colaboración
   + Los datos procesados se introducen en los canales de entrada de ML para el entrenamiento de modelos

1. Desarrollo de modelos ML
   + El código fuente del modelo se puede desarrollar utilizando AWS Deep Learning Container Images
   + Las imágenes de contenedores personalizadas se deben crear y almacenar en Amazon Elastic Container Registry

1. Componentes de infraestructura
   + Amazon Elastic Container Registry almacena y administra los contenedores del modelo ML
   + El procesamiento del aprendizaje automático se realiza dentro de un entorno de AWS Clean Rooms colaboración seguro

1. Monitoreo y registro
   + Amazon CloudWatch proporciona métricas y registros para ambas partes colaboradoras
   + El monitoreo está disponible para todas las Cuentas de AWS partes involucradas en la colaboración
   + Las partes pertinentes pueden acceder a las métricas de rendimiento y los registros operativos

1. Gestión de resultados
   + El acceso a los resultados se controla de acuerdo con los permisos de colaboración

Antes de empezar, consulte la [Requisitos previos del modelado ML personalizado](custom-model-prerequisites.md) y [Pautas de creación de modelos para el contenedor de formación](custom-model-guidelines.md) para obtener más información.