As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Modelagem personalizada no AWS Clean Rooms ML
<a name="working-with-custom-models"></a>

Do ponto de vista técnico, o diagrama a seguir descreve como a modelagem personalizada de ML funciona no AWS Clean Rooms ML.

![Uma visão geral de como o AWS Clean Rooms ML funciona com modelos personalizados.](http://docs.aws.amazon.com/pt_br/clean-rooms/latest/userguide/images/byomHowItWorks.png)


Veja como a modelagem personalizada de ML funciona no Clean Rooms ML:

1. Configuração da fonte de dados
   + Os dados de origem podem ser armazenados no catálogo do Amazon S3, no, ou no AWS Glue Data Catalog Snowflake
   + AWS Glue Data Catalog é usado para organizar e catalogar
   + Dados de vários Contas da AWS podem ser usados na mesma colaboração

1. Consulta SQL e processamento de dados
   + As consultas SQL são usadas para acessar e processar os dados de origem
   + As consultas são executadas dentro dos limites da AWS Clean Rooms colaboração
   + Os dados processados são alimentados nos canais de entrada de ML para treinamento de modelos

1. Desenvolvimento do modelo de ML
   + O código-fonte do modelo pode ser desenvolvido usando imagens de contêiner de aprendizado AWS profundo
   + Imagens de contêiner personalizadas devem ser criadas e armazenadas no Amazon Elastic Container Registry

1. Componentes de infraestrutura
   + O Amazon Elastic Container Registry armazena e gerencia os contêineres do modelo ML
   + O processamento de ML ocorre dentro do ambiente de AWS Clean Rooms colaboração seguro

1. Monitoramento e registro em log
   + A Amazon CloudWatch fornece métricas e registros para ambas as partes colaboradoras
   + O monitoramento está disponível para todos os Contas da AWS envolvidos na colaboração
   + As métricas de desempenho e os registros operacionais estão acessíveis às partes relevantes

1. Gestão de resultados
   + O acesso aos resultados é controlado de acordo com as permissões de colaboração

Antes de começar, consulte [Pré-requisitos de modelagem de ML personalizada](custom-model-prerequisites.md) e [Diretrizes de criação de modelos para o contêiner de treinamento](custom-model-guidelines.md) para obter mais informações.