翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# AWS Clean Rooms ML で設定されたモデルアルゴリズムの関連付け
<a name="associate-model-algorithm"></a>

モデルアルゴリズムを設定したら、モデルアルゴリズムをコラボレーションに関連付ける準備が整います。モデルアルゴリズムを関連付けると、モデルアルゴリズムはコラボレーションのすべてのメンバーが使用できます。

次の図は、コンテナトレーニングイメージを作成し、モデルアルゴリズムを設定した後、設定されたモデルアルゴリズムを最後のステップとして関連付ける方法を示しています。

![カスタム ML モデルを提供する方法の概要。](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/images/bringMLModelCollaboration.png)


------
#### [ Console ]

**注記**  
モデルアルゴリズムを関連付けた後は、編集できません。変更するには、関連付けられたモデルアルゴリズムを削除し、新しいモデルアルゴリズムを関連付けます。

**カスタム ML モデルアルゴリズムを関連付けるには (コンソール)**

1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。

1. 左側のナビゲーションペインで、**カスタム ML モデル**を選択します。

1. **カスタム ML モデル**ページで、コラボレーションに関連付ける設定済みモデルアルゴリズムを選択し、**コラボレーションに関連付ける**を選択します。

1. **設定されたモデルアルゴリズムの関連付け**ウィンドウで、関連付ける**コラボレーション**を選択します。

1. **[コラボレーションを選ぶ]** を選択します。

1. **モデルアルゴリズムの関連付け**ページで、**モデルアルゴリズムの関連付けの詳細**に、**名前**とオプションの**説明**を入力します。

1. Model algorithm で****、**Configured model algorithm** を選択します。

1. **トレーニング済みモデルのエクスポートプライバシー設定**の場合、

   1. モデルファイルをエクスポートするには、**モデルファイルの**チェックボックスをオンにします。

   1. 出力ファイルをエクスポートするには、**出力ファイルの**チェックボックスをオンにします。

   1. エクスポートされたデータ**の最大サイズ値**を入力します。値は 0.01～10 の間でなければなりません。

1. (オプション) **トレーニング済みモデル推論ジョブのプライバシー設定**で、完全なエラーログまたは短いエラー概要をメンバーに送信する場合は、

   1. **フルログ**で、ドロップダウンリストから 1 **つ以上のアカウント IDs** を選択します。

   1. (オプション) フィルターパターンに一致するログを送信する場合は、**フィルターパターン**を入力します。

   1. (オプション) 別のアカウントとオプションのフィルターパターンを追加する場合は、**ログポリシーの追加**を選択します。

   1. **エラーの概要**で、ドロップダウンリストから 1 **つ以上のアカウント IDs** を選択します。

   1. (オプション) **編集するエンティティ**を 1 つ以上選択して、エラーログまたはエラー概要から編集するエンティティを指定します。
      + **PII** – 個人を特定できる情報の編集 
      + **数値** – 数値の編集
      + **カスタム** – カスタム秘匿化パターンに基づいて秘匿化

      1. 前のステップで**カスタム** を選択した場合は、**カスタムリダクションパターン**を入力します。これにより、このパターンに一致する情報がログに記録されます。

      1. (オプション) 別のカスタムリダクションパターンを追加する場合は、**別のカスタムパターンを追加する**を選択します。

1. (オプション) トレーニング済みモデルメトリクスを設定する場合は、**トレーニング済みモデルメトリクス設定**で、ドロップダウンリストから**ノイズレベル**を選択します。

   None****、**Low**、**Medium**、**High **を選択できます。

1. (オプション) アーティファクトの最大サイズを設定する場合は、**アーティファクトの最大****サイズ値**を入力します。値は 0.01～10 の間でなければなりません。

1. (オプション) **タグ**を有効にする場合は、**新しいタグを追加**を選択し、**キー**と**値の**ペアを入力します。

1. **関連付ける** を選択してください。

------
#### [ API ]

**カスタム ML モデルアルゴリズムを関連付けるには (API)**

特定のパラメータを使用して次のコードを実行します。

また、さまざまなログにアクセスできるユーザーを定義し、顧客が正規表現を定義できるようにし、トレーニングモデルの出力または推論結果からエクスポートできるデータの量を定義するプライバシーポリシーも提供します。

**注記**  
設定されたモデルアルゴリズムの関連付けはイミュータブルです。

```
import boto3 
acr_ml_client= boto3.client('cleanroomsml')

acr_ml_client.create_configured_model_algorithm_association(
    name='{{configured_model_algorithm_association_name}}',
    description='{{purpose of the association}}',
    configuredModelAlgorithmArn='arn:aws:cleanrooms-ml:{{region}}:{{account}}:{{membership}}/membershipIdentifier/{{configured-model-algorithm}}/{{identifier}}',
    privacyConfiguration={
        "policies": {
            "trainedModelExports": {
                "filesToExport": ['{{files to export}}'],
                "containerLogs": [
                    {
                        "allowedAccountIds": ['{{member_account_id}}'],
                        "filterPattern": ['{{filter pattern}}'],
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                '{{ALL_PERSONALLY_IDENTIFIABLE_INFORMATION}}',
                                '{{NUMBERS}}',
                                '{{CUSTOM}}'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    '{{custom_regex_1}}',
                                    '{{custom_regex_2}}'
                                ] 
                            } 
                        } 
                    }
                ],
                "containerMetrics": {
                    "noiseLevel": '{{noise value}}'
                },
                "maxArtifactSize": {
                    "unit": '{{unit}}',
                    "value": '{{number}}'
                }
            },
            "trainedModelInferenceJobs": {
                "containerLogs": [
                    {
                        "allowedAccountIds": ['{{member_account_id}}'],
                        "filterPattern": ['{{filter pattern}}'],     
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                '{{ALL_PERSONALLY_IDENTIFIABLE_INFORMATION}}',
                                '{{NUMBERS}}',
                                '{{CUSTOM}}'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    '{{custom_regex_1}}',
                                    '{{custom_regex_2}}'
                                ] 
                            }
                        }
                    }
                ],
                "maxOutputSize": {
                    "unit": '{{unit}}',
                    "value": '{{number}}'
                }
            }
        }
    },
    tags={
        '{{tag}}': '{{tag}}'
    }
)
```

設定されたモデルアルゴリズムがコラボレーションに関連付けられると、トレーニングデータプロバイダーはテーブルにコラボレーション分析ルールを追加する必要があります。このルールにより、設定されたモデルアルゴリズムの関連付けが設定されたテーブルにアクセスできるようになります。すべての貢献するトレーニングデータプロバイダーは、次のコードを実行する必要があります。

```
import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table_association_analysis_rule(
    membershipIdentifier= '{{membership_id}}',
    configuredTableAssociationIdentifier= '{{configured_table_association_id}}',
    analysisRuleType= 'CUSTOM',
    analysisRulePolicy = {
        'v1': {
            'custom': {
                'allowedAdditionalAnalyses': ['arn:aws:cleanrooms-ml:{{region}}:*:{{membership}}/*/configured-model-algorithm-association/*''],
                'allowedResultReceivers': []
            }
        }
    }
)
```

**注記**  
設定されたモデルアルゴリズムの関連付けはイミュータブルであるため、カスタムモデル設定の最初の数回の反復`allowedAdditionalAnalyses`で でワイルドカードを使用できるようにモデルを一覧表示したいデータプロバイダーをトレーニングすることをお勧めします。これにより、モデルプロバイダーは、更新されたモデルコードをデータでトレーニングする前に、他のトレーニングプロバイダーが再関連付けする必要なく、コードを繰り返し実行できます。

------