Création d'une collaboration pour l'apprentissage automatique Rejoindre une collaboration

Création et participation à la collaboration dans AWS Clean Rooms ML

Le créateur de la collaboration est chargé de créer la collaboration, d'inviter les membres et d'attribuer leurs rôles. Les membres invités rejoignent la collaboration et spécifient les paramètres de résultats, les paramètres de destination des artefacts du modèle entraîné et acceptent les responsabilités de paiement, en fonction de la configuration de la collaboration.

Création d'une collaboration pour l'apprentissage automatique

La procédure suivante montre comment créer une collaboration pour l'apprentissage automatique, inviter un ou plusieurs membres et affecter des membres qui peuvent démarrer l'apprentissage du modèle, recevoir des résultats, recevoir les résultats du modèle entraîné, y compris les artefacts et les métriques du modèle, et recevoir les résultats d'inférence du modèle. Le créateur de la collaboration désigne également un membre qui prendra en charge les coûts de calcul des requêtes, de formation des modèles et d'inférence de modèles.

Console

Pour créer une collaboration pour l'apprentissage automatique (console)

Créez une collaboration et invitez un ou plusieurs membres à la rejoindre
Attribuez aux membres les capacités d'analyse suivantes à l'aide de requêtes et de tâches :
- Attribuez les requêtes Run au membre qui va commencer l'entraînement du modèle.
- Attribuez la fonction Recevoir les résultats de l'analyse aux membres qui recevront les résultats de la requête.
Attribuez les capacités suivantes aux membres pour la modélisation du machine learning à l'aide de flux de travail spécialement conçus :
- Attribuez la sortie de réception des modèles entraînés au membre qui recevra les résultats des modèles entraînés, y compris les artefacts et les mesures du modèle.
- Attribuez la sortie de réception de l'inférence du modèle au membre qui recevra les résultats de l'inférence du modèle.
Pour Configurer le paiement, indiquez les membres qui paieront les coûts de calcul des requêtes, de formation des modèles, d'inférence de modèles et de génération de jeux de données synthétiques.

Un jeu de données synthétique possède des propriétés statistiques similaires à celles de l'ensemble de données d'origine sur lequel il est basé, mais ne contient pas les observations du monde réel présentes dans l'ensemble de données d'origine. En utilisant des ensembles de données synthétiques renforcés en matière de confidentialité, vous pouvez débloquer de nouveaux cas d'utilisation de la formation sur les modèles de machine learning que les problèmes de confidentialité des données empêchaient auparavant. Pour plus d'informations, consultez la section Génération de données Privacy-enhanced synthétiques.

Chacun de ces coûts peut être attribué au même membre ou à des membres différents. Si un membre invité est le membre responsable des frais de paiement, il doit accepter ses responsabilités de paiement avant de rejoindre la collaboration.
Pour Configurer l'adhésion, le créateur de la collaboration peut décider de rejoindre l'adhésion maintenant ou d'en créer une ultérieurement. Le créateur de la collaboration doit ensuite configurer la configuration ML.
1. Si le créateur de la collaboration est également le destinataire des résultats, il doit également spécifier la destination et le format des résultats de la requête dans les paramètres par défaut des résultats.
2. La configuration ML confère à Clean Rooms ML le rôle de publier des métriques sur un Compte AWS. Si le créateur de la collaboration reçoit également des artefacts de modèle entraînés, il peut spécifier le compartiment Amazon S3 utilisé pour recevoir les résultats.
3. Dans la section Configurations ML, sélectionnez Créer une configuration ML, puis spécifiez la destination de sortie du modèle sur Amazon S3 et le rôle d'accès au service requis pour accéder à cet emplacement.
4. Si le créateur de la collaboration est le membre responsable des frais de paiement, il doit accepter ses responsabilités de paiement avant de créer la collaboration.

API

Pour créer une collaboration pour l'apprentissage automatique (API)

Créez une collaboration et invitez un ou plusieurs membres à la rejoindre
Attribuez les rôles suivants aux membres de la collaboration :
- CAN_QUERY- attribué au membre qui va commencer la formation et l'inférence des modèles.
- CAN_RECEIVE_MODEL_OUTPUT- attribué aux membres qui recevront les résultats du modèle entraîné.
- CAN_RECEIVE_INFERENCE_OUTPUT- attribué aux membres qui recevront les résultats d'inférence du modèle.
Si le créateur de la collaboration est également le destinataire des résultats, il doit également spécifier la destination et le format des résultats de la requête lors de la création de la collaboration. Ils attribuent également un rôle de service Amazon Resource Name (ARN) pour écrire les résultats dans la destination des résultats de la requête.
Spécifiez les membres qui paieront les coûts de calcul des requêtes, de formation des modèles et d'inférence de modèles. Chacun de ces coûts peut être attribué au même membre ou à des membres différents. Si un membre invité est le membre responsable des frais de paiement, il doit accepter ses responsabilités de paiement avant de rejoindre la collaboration.

Le code suivant crée une collaboration, invite un membre qui peut exécuter des requêtes et recevoir des résultats, et spécifie le créateur de la collaboration comme destinataire des artefacts du modèle.


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
            }
        }
    }
)

Le créateur de la collaboration doit ensuite configurer la configuration ML. La configuration ML confère à Clean Rooms ML le rôle de publier des métriques et des journaux sur un Compte AWS. Si le créateur de la collaboration reçoit également des résultats (artefacts de modèle ou résultats d'inférence), il peut spécifier le compartiment Amazon S3 utilisé pour recevoir les résultats.


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"
                }
            }
        }
    )

Rejoindre une collaboration

Une fois que le créateur de la collaboration a terminé ses tâches, les membres invités doivent terminer les leurs.

Console

Pour créer un abonnement et rejoindre une collaboration (console)

Le membre invité crée une adhésion et rejoint la collaboration.
Si le membre invité est le membre responsable du paiement, y compris les coûts liés au calcul des requêtes, à la formation des modèles et à l'inférence des modèles, il doit accepter ses responsabilités en matière de paiement avant de rejoindre la collaboration.
Le membre invité configure la configuration ML, qui confère à Clean Rooms ML le rôle de publier les métriques du modèle sur un Compte AWS. S'il s'agit également du membre qui reçoit des artefacts de modèle entraînés, il doit fournir un compartiment Amazon S3 dans lequel les artefacts de modèle entraînés sont stockés.

API

Pour créer un abonnement et rejoindre une collaboration (API)

Si le membre invité est le membre qui peut recevoir les résultats, il spécifie la destination et le format des résultats de la requête. Ils fournissent également un rôle de service (ARN) qui permet au service d'écrire dans la destination des résultats de la requête.

Si le membre invité est le membre responsable du paiement, y compris les coûts liés au calcul des requêtes, à la formation des modèles et à l'inférence des modèles, il doit accepter ses responsabilités en matière de paiement avant de rejoindre la collaboration.

Si le membre invité est le membre responsable du paiement de la formation des modèles et de l'inférence des modèles pour la modélisation personnalisée, il doit accepter ses responsabilités en matière de paiement avant de rejoindre la collaboration.

Le code suivant crée une adhésion avec la journalisation des requêtes activée.
```
import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_membership(
    membershipIdentifier='membership_id',
    queryLogStatus='ENABLED'
)
```

Le membre invité configure la configuration ML, qui confère à Clean Rooms ML le rôle de publier les métriques du modèle sur un Compte AWS. S'il s'agit également du membre qui reçoit des artefacts de modèle entraînés, il doit fournir un compartiment Amazon S3 dans lequel les artefacts de modèle entraînés sont stockés.


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"
                }
            }
        }
    )

Avertissement JavaScript est désactivé ou n'est pas disponible dans votre navigateur.

Pour que vous puissiez utiliser la documentation AWS, Javascript doit être activé. Vous trouverez des instructions sur les pages d'aide de votre navigateur.

Conventions de rédaction

Considérations relatives à la génération de données synthétiques

Contribution de données d'entraînement