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。

# トレーニングデータプロバイダーとして AWS Clean Rooms ML モデルを作成する
<a name="working-with-machine-learning-tdp"></a>

類似モデル**とは、トレーニングデータプロバイダーのデータのモデルです。これにより、シードデータプロバイダーは、トレーニングデータプロバイダーのデータのうち、シードデータに最も近い類似セグメントを作成できます。コラボレーションで使用できる類似モデルを作成するには、トレーニングデータをインポートし、類似モデルを作成し、その類似モデルを設定して、コラボレーションに関連付ける必要があります。

類似モデルを使用するには、トレーニングデータプロバイダーとシードデータプロバイダーの 2 つの関係者が、データをコラボレーションに取り込む AWS Clean Rooms ために順番に で作業する必要があります。トレーニングデータプロバイダーが最初に完了しなければならないワークフローは次のとおりです。

1. トレーニングデータプロバイダーのデータは、ユーザーとアイテムのインタラクション AWS Glue のデータカタログテーブルに保存する必要があります。少なくとも、トレーニングデータにはユーザー ID 列、インタラクション ID 列、およびタイムスタンプ列が含まれている必要があります。

1. トレーニングデータプロバイダーは、トレーニングデータを に登録します AWS Clean Rooms。

1. トレーニングデータプロバイダーは、複数のシードデータプロバイダーと共有できる類似モデルを作成します。類似モデルはディープニューラルネットワークであり、トレーニングに最大 24 時間かかることがあります。このモデルは自動的に再トレーニングされないため、毎週再トレーニングすることをお勧めします。

1. トレーニングデータプロバイダーは、関連メトリクスを共有するかどうかや、出力セグメントの Amazon S3 ロケーションなど、類似モデルの設定を行います。トレーニングデータプロバイダーは、1 つの類似モデルから複数の設定済み類似モデルを作成できます。

1. トレーニングデータプロバイダーは、設定したオーディエンスモデルをシードデータプロバイダーと共有されているコラボレーションに関連付けます。

トレーニングデータプロバイダーが ML モデルの作成を完了する[と、シードデータプロバイダーは類似セグメントを作成してエクスポートできます](working-with-machine-learning-sdp.md)。

**Topics**
+ [トレーニングデータのインポート](create-ml-model-training-data.md)
+ [類似モデルの作成](create-ml-model-create-model.md)
+ [類似モデルの設定](create-ml-model-configure-model.md)
+ [設定された類似モデルの関連付け](create-ml-model-associate-model.md)
+ [設定された類似モデルの更新](update-ml-model-configured-model.md)