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 でのカスタムモデリング
<a name="working-with-custom-models"></a>

技術的な観点から、次の図は AWS Clean Rooms ML でのカスタム ML モデリングの仕組みを示しています。

![AWS Clean Rooms ML がカスタムモデルと連携する方法の概要。](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/images/byomHowItWorks.png)


Clean Rooms ML でのカスタム ML モデリングの仕組みは次のとおりです。

1. データソース設定
   + ソースデータは、Amazon S3 カタログ、 AWS Glue Data Catalog、または Snowflake に保存できます。
   + AWS Glue Data Catalog は、整理とカタログ化に使用されます。
   + 複数の からのデータは AWS アカウント 、同じコラボレーション内で使用できます。

1. SQL クエリとデータ処理
   + SQL クエリは、ソースデータへのアクセスと処理に使用されます。
   + クエリは AWS Clean Rooms コラボレーションの境界内で実行されます。
   + モデルトレーニングのために ML 入力チャネルに処理されたデータフィード

1. ML モデル開発
   + モデルのソースコードは、 AWS 深層学習コンテナイメージを使用して開発できます。
   + カスタムコンテナイメージを作成して Amazon Elastic Container Registry に保存する必要があります

1. インフラストラクチャコンポーネント
   + Amazon Elastic Container Registry は ML モデルコンテナを保存および管理します
   + ML 処理は安全な AWS Clean Rooms コラボレーション環境内で行われます

1. モニタリングとロギング
   + Amazon CloudWatch は、共同作業者の両方のメトリクスとログを提供します。
   + モニタリングは、コラボレーション AWS アカウント に関与しているすべての で利用できます。
   + パフォーマンスメトリクスと運用ログに関係者がアクセスできる

1. 結果管理
   + 結果へのアクセスは、コラボレーションのアクセス許可に従って制御されます。

開始する前に、[カスタム ML モデリングの前提条件](custom-model-prerequisites.md)「」および[トレーニングコンテナのモデル作成ガイドライン](custom-model-guidelines.md)「」を参照してください。