Mit AWS Clean Rooms ML arbeiten

Melde dich bei der an AWS Management Console und öffne die AWS Clean Rooms Konsole mit deinem AWS-Konto (falls du das noch nicht getan hast).

Wählen Sie im linken Navigationsbereich ML Modeling aus.

Wählen Sie auf der Registerkarte Trainingsdatensätze die Option Trainingsdatensatz erstellen aus.

Geben Sie auf der Seite Trainingsdatensatz erstellen für Details zum Trainingsdatensatz einen Namen und optional eine Beschreibung ein.

Wählen Sie die Trainingsdatenquelle aus, indem Sie die Datenbank und die Tabelle, die Sie konfigurieren möchten, aus den Dropdownlisten auswählen.

Wählen Sie für Trainingsdetails die Spalten Benutzer-ID, Artikel-ID und Timestamp aus den Drop-down-Listen aus. Die Trainingsdaten müssen diese drei Spalten enthalten. Sie können auch alle anderen Spalten auswählen, die Sie in die Trainingsdaten aufnehmen möchten.

Die Daten in der Timestamp-Spalte müssen im Format Unix-Epochenzeit in Sekunden vorliegen.

(Optional) Wenn Sie weitere Spalten trainieren möchten, wählen Sie den Spaltennamen und den Typ aus den Dropdownlisten aus.

Unter Dienstzugriff müssen Sie eine Servicerolle angeben, die auf Ihre Daten zugreifen kann, und einen KMS Schlüssel angeben, falls Ihre Daten verschlüsselt sind. Wählen Sie Neue Servicerolle erstellen und verwenden aus. Clean Rooms ML erstellt dann automatisch eine Servicerolle und fügt die erforderlichen Berechtigungsrichtlinien hinzu. Wählen Sie Bestehende Servicerolle verwenden und geben Sie diese in das Feld Servicerollenname ein, wenn Sie über eine bestimmte Servicerolle verfügen, die Sie verwenden möchten.

Wenn Ihre Daten verschlüsselt sind, geben Sie Ihren KMS Schlüssel in das AWS KMS keyFeld ein oder klicken Sie auf Erstellen, AWS KMS key um einen neuen KMS Schlüssel zu generieren.

Wenn Sie Tags für den Trainingsdatensatz aktivieren möchten, wählen Sie Neues Tag hinzufügen und geben Sie dann das Schlüssel-Wert-Paar ein.

Wählen Sie Trainingsdatensatz erstellen aus.

Melden Sie sich bei der an AWS Management Console und öffnen Sie die AWS Clean Rooms Konsole mit Ihrem AWS-Konto (falls Sie dies noch nicht getan haben).

Wählen Sie im linken Navigationsbereich ML Modeling aus.

Wählen Sie auf der Registerkarte Lookalike-Modelle die Option Lookalike-Modell erstellen aus.

Geben Sie auf der Seite Lookalike-Modell erstellen für Details zum Lookalike-Modell einen Namen und optional eine Beschreibung ein.

1. Wählen Sie den Trainingsdatensatz, den Sie modellieren möchten, aus der Dropdownliste aus.

   Anmerkung

   Um zu überprüfen, ob es sich um den richtigen Trainingsdatensatz handelt, aktivieren Sie die Option Details zum Trainingsdatensatz anzeigen, um die Details anzuzeigen.

   Um einen neuen Trainingsdatensatz zu erstellen, wählen Sie Trainingsdatensatz erstellen.

2. (Optional) Rufen Sie ein Trainingsfenster auf.

Wenn Sie benutzerdefinierte Verschlüsselungseinstellungen für das Lookalike-Modell aktivieren möchten, wählen Sie Verschlüsselungseinstellungen anpassen und geben Sie dann den KMS Schlüssel ein.

Wenn Sie Tags für das Lookalike-Modell aktivieren möchten, wählen Sie Neues Tag hinzufügen und geben Sie dann das Schlüssel-Wert-Paar ein.

Wählen Sie Lookalike-Modell erstellen.

Melden Sie sich bei der an AWS Management Console und öffnen Sie die AWS Clean Rooms Konsole mit Ihrem AWS-Konto (falls Sie dies noch nicht getan haben).

Wählen Sie im linken Navigationsbereich ML Modeling aus.

Wählen Sie auf der Registerkarte Konfigurierte Lookalike-Modelle die Option Lookalike-Modell konfigurieren aus.

Geben Sie auf der Seite Lookalike-Modell konfigurieren für Details zum konfigurierten Lookalike-Modell einen Namen und optional eine Beschreibung ein.

1. Wählen Sie das Lookalike-Modell, das Sie konfigurieren möchten, aus der Dropdownliste aus.

   Anmerkung

   Um zu überprüfen, ob es sich um das richtige Lookalike-Modell handelt, aktivieren Sie die Option Details des Lookalike-Modells anzeigen, um die Details anzuzeigen.

   Um ein neues Lookalike-Modell zu erstellen, wählen Sie „Lookalike-Modell erstellen“.

2. Wählen Sie die gewünschte Mindestgröße für den passenden Samen. Dies ist die Mindestanzahl von Benutzern in den Daten des Seed-Datenanbieters, die sich mit den Benutzern in den Trainingsdaten überschneiden. Dieser Wert muss größer als 0 sein.

Damit Metriken mit anderen Mitgliedern geteilt werden können, wählen Sie aus, ob der Seed-Datenanbieter in Ihrer Zusammenarbeit Modellmetriken, einschließlich Relevanzbewertungen, erhalten soll.

Geben Sie für Zielort des Lookalike-Segments den Amazon S3 S3-Bucket ein, in den das Lookalike-Segment exportiert wird. Dieser Bucket muss sich in derselben Region wie Ihre anderen Ressourcen befinden.

Wählen Sie für Dienstzugriff den Namen der vorhandenen Servicerolle aus, der für den Zugriff auf diese Tabelle verwendet werden soll.

Geben Sie für die erweiterte Konfiguration der Partitionsgröße den Typ Zielgruppengröße entweder als Absolute Zahl oder als Prozentsatz an.

Wenn Sie Tags für die konfigurierte Tabellenressource aktivieren möchten, wählen Sie Neues Tag hinzufügen und geben Sie dann das Schlüssel - und Wertepaar ein.

Wählen Sie Lookalike-Modell konfigurieren aus.

Melden Sie sich bei der an AWS Management Console und öffnen Sie die AWS Clean Rooms Konsole mit Ihrem AWS-Konto (falls Sie dies noch nicht getan haben).

Wählen Sie im linken Navigationsbereich Collaborations aus.

Wählen Sie auf der Registerkarte Mit aktiver Mitgliedschaft eine Kollaboration aus.

Wählen Sie auf der Registerkarte ML-Modellierung unter eady-to-use R-Lookalike-Modelle die Option Lookalike-Modell zuordnen aus.

Gehen Sie auf der Seite Konfiguriertes Lookalike-Modell zuordnen für Details zur Zuordnung konfigurierter Lookalike-Modelle wie folgt vor:

1. Geben Sie einen Namen für das zugehörige konfigurierte Zielgruppenmodell ein.

2. Geben Sie eine Beschreibung der Tabelle ein.

   Die Beschreibung hilft dabei, zwischen anderen zugehörigen konfigurierten Zielgruppenmodellen mit ähnlichen Namen zu unterscheiden.

Wählen Sie für Konfiguriertes Lookalike-Modell ein konfiguriertes Lookalike-Modell aus der Drop-down-Liste aus.

Wählen Sie Associate aus.

Melden Sie sich bei der an AWS Management Console und öffnen Sie die AWS Clean Rooms Konsole mit Ihrem AWS-Konto (falls Sie dies noch nicht getan haben).

Wählen Sie im linken Navigationsbereich ML-Modellierung aus.

Wählen Sie auf der Registerkarte Konfigurierte Lookalike-Modelle unter eady-to-use R-Lookalike-Modelle ein konfiguriertes Lookalike-Modell aus und wählen Sie Bearbeiten aus.

Gehen Sie auf der Seite Bearbeiten für Details zur Zuordnung konfigurierter Lookalike-Modelle wie folgt vor:

1. Aktualisieren Sie den Namen und optional die Beschreibung.

2. Wählen Sie das Lookalike-Modell, das Sie konfigurieren möchten, aus der Dropdownliste aus.

3. Wählen Sie die gewünschte Mindestgröße für die passende Samengröße aus. Dies ist die Mindestanzahl von Benutzern in den Daten des Seed-Datenanbieters, die sich mit den Benutzern in den Trainingsdaten überschneiden. Dieser Wert muss größer als 0 sein.

Damit Metriken mit anderen Mitgliedern geteilt werden können, wählen Sie aus, ob der Seed-Datenanbieter in Ihrer Zusammenarbeit Modellmetriken, einschließlich Relevanzbewertungen, erhalten soll.

Geben Sie für Zielort des Lookalike-Segments den Amazon S3 S3-Bucket ein, in den das Lookalike-Segment exportiert wird. Dieser Bucket muss sich in derselben Region wie Ihre anderen Ressourcen befinden.

Wählen Sie für Dienstzugriff den Namen der vorhandenen Servicerolle aus, der für den Zugriff auf diese Tabelle verwendet werden soll.

Wählen Sie unter Erweiterte Konfiguration der Partitionsgröße aus, wie Sie die Zielgruppen-Bin-Größen konfigurieren möchten.

Wählen Sie Änderungen speichern.

Melden Sie sich bei der an AWS Management Console und öffnen Sie die AWS Clean Rooms Konsole mit Ihrem AWS-Konto (falls Sie dies noch nicht getan haben).

Wählen Sie im linken Navigationsbereich Collaborations aus.

Wählen Sie auf der Registerkarte Mit aktiver Mitgliedschaft eine Kollaboration aus.

Wählen Sie auf der Registerkarte ML Modeling die Option Lookalike-Segment erstellen aus.

Wählen Sie auf der Seite Lookalike-Segment erstellen unter Zugeordnetes konfiguriertes Lookalike-Modell das zugehörige konfigurierte Lookalike-Modell aus, das für dieses Lookalike-Segment verwendet werden soll.

Geben Sie für Details zum Lookalike-Segment einen Namen und optional eine Beschreibung ein.

Wählen Sie für Seed-Profile Ihre Seed-Methode aus, indem Sie eine Option auswählen und dann die empfohlene Maßnahme ergreifen.

Wählen Sie für Dienstzugriff den Namen der vorhandenen Servicerolle aus, der für den Zugriff auf diese Tabelle verwendet werden soll.

Wenn Sie Tags für den Trainingsdatensatz aktivieren möchten, wählen Sie Neues Tag hinzufügen und geben Sie dann das Schlüssel - und Wertepaar ein.

Wählen Sie Lookalike-Segment erstellen aus.

Melden Sie sich bei der an AWS Management Console und öffnen Sie die AWS Clean Rooms Konsole mit Ihrem AWS-Konto (falls Sie dies noch nicht getan haben).

Wählen Sie im linken Navigationsbereich Collaborations aus.

Wählen Sie auf der Registerkarte Mit aktiver Mitgliedschaft eine Kollaboration aus.

Wählen Sie auf der Registerkarte ML Modeling unter Lookalike-Segmente ein Lookalike-Segment aus und klicken Sie auf Exportieren.

Geben Sie für Lookalike-Modell exportieren für Details des Lookalike-Modells exportieren einen Namen und optional eine Beschreibung ein.

Wählen Sie unter Segmentgröße die gewünschte Größe für das exportierte Segment aus.

Wählen Sie Export aus.