Membuat saluran input ML di AWS Clean Rooms - AWS Clean Rooms

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Membuat saluran input ML di AWS Clean Rooms

Prasyarat:

  • Sebuah Akun AWS dengan akses ke AWS Clean Rooms

  • Kolaborasi yang disiapkan di AWS Clean Rooms tempat Anda ingin membuat saluran input ML

  • Izin untuk menanyakan data dan membuat saluran input ML dalam kolaborasi.

  • (Opsional) Algoritma model yang ada untuk diasosiasikan dengan saluran input ML, atau izin untuk membuat yang baru

  • (Opsional) Tabel dengan aturan analisis yang dapat dijalankan untuk model yang Anda tentukan.

  • (Opsional) Kueri SQL atau templat analisis yang ada untuk digunakan untuk menghasilkan kumpulan data

  • (Opsional) Peran layanan yang ada dengan izin yang sesuai, atau izin untuk membuat peran layanan baru

  • (Opsional) AWS KMS Kunci khusus jika Anda ingin menggunakan kunci enkripsi Anda sendiri

  • Izin yang sesuai untuk membuat dan mengelola model ML dalam kolaborasi

Saluran input ML adalah kumpulan data yang dibuat dari kueri data tertentu. Anggota dengan kemampuan untuk query data dapat mempersiapkan data mereka untuk pelatihan dan inferensi dengan membuat saluran input ML. Membuat saluran input ML memungkinkan data tersebut digunakan dalam model pelatihan yang berbeda dalam kolaborasi yang sama. Anda harus membuat saluran input ML terpisah untuk pelatihan dan inferensi.

Untuk membuat saluran input ML, Anda harus menentukan query SQL yang digunakan untuk query data input dan membuat saluran input ML. Hasil kueri ini tidak pernah dibagikan dengan anggota mana pun dan tetap berada dalam batas-batas Clean Rooms. Referensi Amazon Resource Name (ARN) digunakan pada langkah selanjutnya untuk melatih model atau menjalankan inferensi.

Console
Untuk membuat saluran input ML (konsol)

  1. Masuk ke Konsol Manajemen AWS dan buka AWS Clean Rooms konsol di https://console.aws.amazon.com/cleanrooms.

  2. Di panel navigasi kiri, pilih Kolaborasi.

  3. Pada halaman Kolaborasi, pilih kolaborasi tempat Anda ingin membuat saluran input ML.

  4. Setelah kolaborasi terbuka, pilih tab model ML.

  5. Di bawah model Custom ML, di bagian saluran input ML, pilih Buat saluran input ML.

  6. Pada halaman Create channel input ML, untuk detail saluran masukan ML, lakukan hal berikut:

    1. Untuk Nama, masukkan nama unik untuk saluran Anda.

    2. (Opsional) Untuk Deskripsi, masukkan deskripsi saluran Anda.

    3. Untuk algoritma model terkait, pilih algoritma yang akan digunakan.

      Pilih algoritma model Associate untuk menambahkan yang baru.

  7. Untuk Dataset, pilih metode untuk menghasilkan kumpulan data pelatihan:

    • Pilih kueri SQL untuk menggunakan hasil kueri SQL sebagai kumpulan data pelatihan.

      Jika Anda memilih kueri SQL, masukkan kueri Anda di bidang kueri SQL.

      (Opsional) Untuk mengimpor kueri yang baru saja Anda gunakan, pilih Impor dari kueri terbaru.

    • Pilih template Analisis untuk menggunakan hasil template analisis sebagai kumpulan data pelatihan.

      Awas

      Pembuatan data sintetis melindungi dari menyimpulkan atribut individu apakah individu tertentu hadir dalam kumpulan data asli atau atribut pembelajaran individu tersebut hadir. Namun, itu tidak mencegah nilai literal dari kumpulan data asli, termasuk informasi yang dapat diidentifikasi secara pribadi (PII) muncul di kumpulan data sintetis.

      Sebaiknya hindari nilai dalam kumpulan data input yang hanya terkait dengan satu subjek data karena ini dapat mengidentifikasi kembali subjek data. Misalnya, jika hanya satu pengguna yang tinggal dalam kode pos, keberadaan kode pos itu dalam kumpulan data sintetis akan mengonfirmasi bahwa pengguna berada dalam kumpulan data asli. Teknik seperti memotong nilai presisi tinggi atau mengganti katalog yang tidak biasa dengan yang lain dapat digunakan untuk mengurangi risiko ini. Transformasi ini dapat menjadi bagian dari query yang digunakan untuk membuat saluran input ML.

    1. Jika tidak ada tabel yang terkait, pilih Tabel asosiasi untuk menambahkan tabel dengan aturan analisis yang dapat dijalankan untuk model yang ditentukan.

    2. Untuk tipe Worker, pilih jenis pekerja yang akan digunakan. Defaultnya adalah CR.1X.

    3. Untuk Jumlah pekerja memilih jumlah pekerja yang akan digunakan saat membuat saluran data ini. Defaultnya adalah 16.

    4. Untuk penyimpanan data dalam beberapa hari, masukkan jumlah hari untuk menyimpan data.

    5. Untuk format Hasil, pilih CSV atau Parket sebagai format data yang harus digunakan saluran input ML.

  8. Untuk akses Layanan, pilih nama peran layanan yang ada yang akan digunakan untuk mengakses tabel ini atau pilih Buat dan gunakan peran layanan baru.

  9. Untuk Enkripsi, pilih Enkripsi rahasia dengan kunci KMS khusus untuk menentukan kunci KMS Anda sendiri dan informasi terkait. Jika tidak, Clean Rooms ML akan mengelola enkripsi.

  10. Pilih Buat saluran masukan ML.

    Ini akan memakan waktu beberapa menit untuk membuat saluran input ML. Anda dapat melihat daftar saluran input ML pada tab model ML.

catatan

Setelah saluran input ML dibuat, Anda tidak dapat mengeditnya.

API

Untuk membuat saluran input ML (API)

Jalankan kode berikut dengan parameter spesifik Anda: 

import boto3 
acr_client = boto3.client('cleanroomsml')

acr_client.create_ml_input_channel(
    name="ml_input_channel_name",
    membershipIdentifier='membership_id',
    configuredModelAlgorithmAssociations=[configured_model_algorithm_association_arn],
    retentionInDays=1,
    inputChannel={
        "dataSource": {
            "protectedQueryInputParameters": {
                "sqlParameters": {
                    "queryString": "select * from table"
                "computeConfiguration": {
                    "worker": {
                          "type": "CR.1X",
                          "number": 16
                        }
                    },
                "resultFormat": "PARQUET"
                }
            }
        },
        "roleArn": "arn:aws:iam::111122223333:role/ezcrc-ctm-role"
    }
)
channel_arn = resp['ML Input Channel ARN']