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 でのコラボレーションの作成と参加
コラボレーションクリエーターは、コラボレーションの作成、メンバーの招待、ロールの割り当てを担当します。招待されたメンバーはコラボレーションに参加し、コラボレーションの設定方法に応じて、結果設定、トレーニング済みモデルアーティファクトの送信先設定を指定し、支払い責任を受け入れます。
## 機械学習用のコラボレーションの作成
次の手順は、機械学習用のコラボレーションの作成、1 人以上のメンバーの招待、モデルトレーニングの開始、結果の受信、モデルアーティファクトやメトリクスを含むトレーニング済みモデル結果の受信、モデル推論結果の受信が可能なメンバーの割り当てを行う方法を示しています。コラボレーションクリエーターは、クエリコンピューティング、モデルトレーニング、モデル推論のコストを支払うメンバーも割り当てます。
------
#### [ Console ]
**機械学習のコラボレーションを作成するには (コンソール)**
1. [コラボレーションを作成し、1 人以上のメンバーをコラボレーションに招待する](create-collaboration.md)
1. **クエリとジョブを使用して、分析**に次の**メンバー機能を**割り当てます。
+ モデルトレーニングを開始するメンバーに**実行クエリ**を割り当てます。
+ クエリ**結果を受け取るメンバーに、分析からの受信**結果を割り当てる。
1. **専用ワークフローを使用して、ML モデリング**に次の**メンバー機能を**割り当てます。
+ モデルアーティファクトやメトリクスなど、トレーニング済みモデルの結果を受け取るメンバーに、トレーニング済みモデル**からの受信出力**を割り当てます。
+ **モデル推論の結果を受け取るメンバーにモデル推論からの受信出力**を割り当てます。
1. **支払いを設定する**には、クエリコンピューティング、モデルトレーニング、モデル推論、合成データセット生成のコストを支払うメンバーを指定します。
合成データセットには、基になる元のデータセットと同様の統計プロパティがありますが、元のデータセットに存在する実際の観測値は含まれません。プライバシーが強化された合成データセットを使用することで、データプライバシーの懸念が以前に妨げられていた新しい ML モデルトレーニングのユースケースをロック解除できます。詳細については、[「プライバシー強化合成データ生成](synthetic-data-generation.md)」を参照してください。
これらのコストはそれぞれ、同じメンバーまたは異なるメンバーに割り当てることができます。招待されたメンバーが支払い費用の支払いを担当するメンバーである場合は、コラボレーションに参加する前に支払い責任を引き受ける必要があります。
1. **メンバーシップを設定する** の場合、コラボレーション作成者は今すぐメンバーシップに参加するか、後でメンバーシップを作成するかを決定できます。次に、コラボレーションクリエーターは ML 設定をセットアップする必要があります。
1. コラボレーション作成者が結果レシーバーでもある場合は、**結果設定のデフォルト**にクエリ結果の送信先と形式も指定する必要があります。
1. ML 設定は、Clean Rooms ML がメトリクスを に発行するためのロールを提供します AWS アカウント。コラボレーション作成者がトレーニング済みモデルアーティファクトも受信している場合は、結果の受信に使用する Amazon S3 バケットを指定できます。
1. **ML 設定**セクションで、**ML 設定の作成**を選択し、**Amazon S3 のモデル出力先**と、この場所へのアクセスに必要な**サービスアクセスロール**を指定します。
1. コラボレーション作成者が支払いコストの支払いを担当するメンバーである場合は、コラボレーションを作成する前に支払い責任を引き受ける必要があります。
------
#### [ API ]
機械学習 (API) のコラボレーションを作成するには
1. [コラボレーションを作成し、1 人以上のメンバーをコラボレーションに招待する](create-collaboration.md)
1. コラボレーションメンバーに次のロールを割り当てます。
+ `CAN_QUERY` - モデルトレーニングと推論を開始するメンバーに割り当てられます。
+ `CAN_RECEIVE_MODEL_OUTPUT` - トレーニング済みモデル結果を受け取るメンバーに割り当てられます。
+ `CAN_RECEIVE_INFERENCE_OUTPUT` - モデル推論結果を受け取るメンバーに割り当てられます。
コラボレーション作成者が結果レシーバーでもある場合は、コラボレーションの作成時にクエリ結果の送信先と形式も指定する必要があります。また、クエリ結果の送信先に結果を書き込むサービスロール Amazon リソースネーム (ARN) も提供します。
1. クエリコンピューティング、モデルトレーニング、モデル推論のコストを支払うメンバーを指定します。これらのコストはそれぞれ、同じメンバーまたは異なるメンバーに割り当てることができます。招待されたメンバーが支払い費用の支払いを担当するメンバーである場合は、コラボレーションに参加する前に支払い責任を引き受ける必要があります。
1. 次のコードはコラボレーションを作成し、クエリを実行して結果を受け取ることができるメンバーを招待し、コラボレーション作成者をモデルアーティファクトレシーバーとして指定します。
```
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
}
}
}
)
```
1. 次に、コラボレーションクリエーターは ML 設定をセットアップする必要があります。ML 設定は、Clean Rooms ML がメトリクスとログを に発行するためのロールを提供します AWS アカウント。コラボレーション作成者が結果 (モデルアーティファクトまたは推論結果) も受信している場合は、結果の受信に使用する Amazon S3 バケットを指定できます。
```
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"
}
}
}
)
```
------
## コラボレーションへの参加
コラボレーション作成者がタスクを完了したら、招待されたメンバーはタスクを完了する必要があります。
------
#### [ Console ]
**メンバーシップを作成してコラボレーションに参加するには (コンソール)**
1. 招待されたメンバー[はメンバーシップを作成し、コラボレーションに参加します](create-membership.md)。
1. 招待されたメンバーが、クエリコンピューティング、モデルトレーニング、モデル推論コストなどの支払いを担当するメンバーである場合は、コラボレーションに参加する前に支払い責任を引き受ける必要があります。
1. 招待されたメンバーは ML 設定をセットアップします。これにより、Clean Rooms ML がモデルメトリクスを に発行するロールが提供されます AWS アカウント。トレーニング済みモデルアーティファクトを受け取るメンバーでもある場合は、トレーニング済みモデルアーティファクトが保存されている Amazon S3 バケットを提供する必要があります。
------
#### [ API ]
メンバーシップを作成してコラボレーションに参加するには (API)
1. 招待されたメンバーが結果を受け取れるメンバーである場合は、そのメンバーがクエリ結果の送信先と形式を指定します。また、サービスがクエリ結果の送信先に書き込むことを許可するサービスロール ARN も提供します。
招待されたメンバーが、クエリコンピューティング、モデルトレーニング、モデル推論コストなどの支払いを担当するメンバーである場合は、コラボレーションに参加する前に支払い責任を引き受ける必要があります。
招待されたメンバーがカスタムモデリングのモデルトレーニングとモデル推論の支払いを担当するメンバーである場合は、コラボレーションに参加する前に支払い責任を引き受ける必要があります。
次のコードは、クエリログ記録を有効にしてメンバーシップを作成します。
```
import boto3
acr_client= boto3.client('cleanrooms')
acr_client.create_membership(
membershipIdentifier='membership_id',
queryLogStatus='ENABLED'
)
```
1. 招待されたメンバーは ML 設定をセットアップします。これにより、Clean Rooms ML がモデルメトリクスを に発行するロールが提供されます AWS アカウント。トレーニング済みモデルアーティファクトを受け取るメンバーでもある場合は、トレーニング済みモデルアーティファクトが保存されている Amazon S3 バケットを提供する必要があります。
```
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"
}
}
}
)
```
------