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

# Pemodelan kustom di AWS Clean Rooms
<a name="working-with-custom-models"></a>

Dari sudut pandang teknis, diagram berikut menjelaskan cara kerja pemodelan ML kustom di AWS Clean Rooms.

![Gambaran umum tentang cara kerja AWS Clean Rooms MLdengan model khusus.](http://docs.aws.amazon.com/id_id/clean-rooms/latest/userguide/images/byomHowItWorks.png)


Inilah cara kerja pemodelan ML kustom di Clean Rooms ML:

1. Konfigurasi Sumber Data
   + Sumber data dapat disimpan dalam katalog Amazon S3, di, atau AWS Glue Data Catalog Snowflake
   + AWS Glue Data Catalog digunakan untuk mengatur dan membuat katalog
   + Data dari beberapa Akun AWS dapat digunakan dalam kolaborasi yang sama

1. Kueri SQL dan Pemrosesan Data
   + Kueri SQL digunakan untuk mengakses dan memproses data sumber
   + Kueri berjalan dalam batas-batas AWS Clean Rooms kolaborasi
   + Umpan data yang diproses ke Saluran Input MLuntuk pelatihan model

1. Pengembangan Model ML
   + Kode sumber untuk model dapat dikembangkan menggunakan AWS Deep Learning Container Images
   + Gambar wadah khusus harus dibuat dan disimpan di Amazon Elastic Container Registry

1. Komponen Infrastruktur
   + Amazon Elastic Container Registry menyimpan dan mengelola wadah model ML
   + Pemrosesan ML terjadi dalam lingkungan AWS Clean Rooms kolaborasi yang aman

1. Pemantauan dan Pencatatan
   + Amazon CloudWatch menyediakan metrik dan log untuk kedua pihak yang berkolaborasi
   + Pemantauan tersedia di seluruh Akun AWS terlibat dalam kolaborasi
   + Metrik kinerja dan log operasional dapat diakses oleh pihak terkait

1. Manajemen Hasil
   + Akses ke hasil dikendalikan sesuai dengan izin kolaborasi

Sebelum Anda memulai, lihat [Prasyarat pemodelan HTML khusus](custom-model-prerequisites.md) dan [Pedoman penulisan model untuk wadah pelatihan](custom-model-guidelines.md) untuk informasi lebih lanjut.