Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Envíe un trabajo de personalización del modelo para su ajuste
<a name="model-customization-submit"></a>

Puede crear un modelo personalizado mediante ajustes precisos en la consola o API de Amazon Bedrock. Puede refinar aún más un modelo personalizado existente. El trabajo de personalización puede tardar varias horas. La duración del trabajo depende del tamaño de los datos de entrenamiento (número de registros, fichas de entrada y señales de salida), del número de épocas y del tamaño del lote.

## Requisitos previos
<a name="submit-model-customization-job-prerequisites"></a>
+ Cree un rol de servicio AWS Identity and Access Management (IAM) para acceder al depósito de S3 en el que desee almacenar los datos de validación y entrenamiento de la personalización del modelo. Puede crear este rol automáticamente mediante el Consola de administración de AWS o manualmente. Para obtener más información sobre la opción manual, consulte [Creación de un rol de servicio para la personalización de modelos](custom-model-job-access-security.md#custom-model-job-service-role).
+ (Opcional) Cifre los datos de entrada y salida, el trabajo de personalización o las solicitudes de inferencia realizadas a los modelos personalizados. Para obtener más información, consulte [Cifrado de los modelos personalizados](encryption-custom-job.md).
+ (Opcional) Cree una nube privada virtual (VPC) para proteger sus trabajos de personalización. Para obtener más información, consulte [(Opcional) Protección de los trabajos de personalización de modelos mediante una VPC](custom-model-job-access-security.md#vpc-model-customization).

## Envío de su trabajo
<a name="submit-model-customization-job-how-to"></a>

Elija la pestaña del método que prefiera y siga estos pasos:

------
#### [ Console ]

Para enviar un trabajo de personalización del modelo desde la consola, siga estos pasos.

1. Inicie sesión Consola de administración de AWS con una identidad de IAM que tenga permisos para usar la consola Amazon Bedrock. A continuación, abra la consola de Amazon Bedrock en [https://console.aws.amazon.com/bedrock.](https://console.aws.amazon.com/bedrock)

1. En el panel de navegación de la izquierda, seleccione **Modelos personalizados** en **Ajustar**.

1. En la pestaña **Modelos**, seleccione **Personalizar modelo** y, a continuación, **Crear** trabajo de ajuste preciso.

1. En la sección **Detalles del modelo**, realice lo siguiente.

   1. Elija el modelo que desee personalizar con sus propios datos y asigne un nombre al modelo resultante. Puede elegir un modelo fundacional o un modelo previamente personalizado (refinado o destilado) como modelo base.

   1. (Opcional) De forma predeterminada, Amazon Bedrock cifra el modelo con una clave que es propiedad de y está administrada por AWS. Para usar una [clave de KMS personalizada](encryption-custom-job.md), seleccione **Cifrado de modelos** y elija una clave.

   1. (Opcional) Para asociar [etiquetas](tagging.md) con un modelo personalizado, amplíe la sección **Etiquetas** y seleccione **Agregar nueva etiqueta**.

1. En la sección **Configuración del trabajo**, introduzca un nombre para el trabajo y añada las etiquetas que desee asociar al trabajo.

1. (Opcional) Para usar una [nube privada virtual (VPC) para proteger los datos de entrenamiento y el trabajo de personalización](custom-model-job-access-security.md#vpc-model-customization), seleccione una VPC que contenga los datos de entrada y salida de las ubicaciones de Amazon S3, sus subredes y grupos de seguridad en la sección **Configuración de la VPC**.
**nota**  
Si incluye una configuración de VPC, la consola no puede crear un nuevo rol de servicio para el trabajo. [Cree un rol de servicio personalizado](model-customization-iam-role.md) y añada permisos de forma similar al ejemplo que se describe en [Asociación de permisos de VPC a un rol de importación de modelos](custom-model-job-access-security.md#vpc-data-access-role).

1. En la sección **Datos de entrada**, seleccione la ubicación de S3 del archivo del conjunto de datos de entrenamiento y, si corresponde, del archivo del conjunto de datos de validación.

1. En la sección **Hiperparámetros**, introduzca los valores de [hiperparámetros](custom-models-hp.md) que quiere usar en el entrenamiento.

1. En la sección **Datos de salida**, introduzca la ubicación de Amazon S3 en la que Amazon Bedrock debe guardar la salida del trabajo. Amazon Bedrock almacena las métricas de pérdidas por entrenamiento y las métricas de pérdida por validación de cada época en archivos separados en la ubicación que especifique.

1. En la sección **Acceso al servicio**, realice una de las siguientes acciones: 
   + **Usar un rol de servicio existente**: seleccione un rol de servicio en la lista desplegable. Para obtener más información sobre cómo configurar un rol personalizado con los permisos adecuados, consulte [Creación de un rol de servicio para la personalización de modelos](model-customization-iam-role.md).
   + **Crear y usar un nuevo rol de servicio**: introduzca un nombre para el rol de servicio.

1. Elija **Ajustar el modelo** con precisión para comenzar el trabajo.

------
#### [ API ]

**Solicitud**

Envíe una solicitud [CreateModelCustomizationJob](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateModelCustomizationJob.html)(consulte el enlace para ver los formatos de solicitud y respuesta y los detalles del campo) a un [punto final del plano de control de Amazon Bedrock](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#br-cp) para enviar un trabajo de personalización del modelo. Debe rellenar, como mínimo, los siguientes campos obligatorios:
+ `roleArn`: ARN del rol de servicio con permisos para personalizar modelos. Amazon Bedrock puede crear automáticamente un rol con los permisos adecuados si utiliza la consola. También puede crear un rol personalizado siguiendo los pasos que se indican en [Creación de un rol de servicio para la personalización de modelos](model-customization-iam-role.md).
**nota**  
Si incluye un campo `vpcConfig`, asegúrese de que el rol tenga los permisos adecuados para obtener acceso a la VPC. Para ver un ejemplo, consulta [Asociación de permisos de VPC a un rol de importación de modelos](custom-model-job-access-security.md#vpc-data-access-role).
+ `baseModelIdentifier`: el [ID del modelo](models-supported.md) o el ARN del modelo fundacional o del modelo previamente personalizado (refinado o destilado) que se va a personalizar.
+ `customModelName`: el nombre que se le da al modelo recién personalizado.
+ `jobName`: el nombre que se le da al trabajo de entrenamiento.
+ `hyperParameters`: [hiperparámetros](custom-models-hp.md) que afectan al proceso de personalización del modelo.
+ `trainingDataConfig`: un objeto que contiene el URI de Amazon S3 del conjunto de datos de entrenamiento. Según el método y el modelo de personalización, también puede incluir una `validationDataConfig`. Para obtener más información sobre cómo preparar los conjuntos de datos, consulte [Prepare los datos para ajustar sus modelos](model-customization-prepare.md).
+ `validationDataconfig`: un objeto que contiene el URI de Amazon S3 del conjunto de datos de validación.
+ `outputDataConfig`: un objeto que contiene el URI de Amazon S3 donde se deben escribir los datos de salida.

Si no especifica el `customizationType`, el método de personalización del modelo se establece de forma predeterminada en `FINE_TUNING`.

Para evitar que la solicitud se complete más de una vez, incluya un `clientRequestToken`.

Puede incluir los siguientes campos opcionales para obtener configuraciones adicionales.
+ `jobTags` and/or `customModelTags`— Asocie las [etiquetas](tagging.md) al trabajo de personalización o al modelo personalizado resultante.
+ `customModelKmsKeyId`: incluya una [clave de KMS personalizada](encryption-custom-job.md) para cifrar el modelo personalizado.
+ `vpcConfig`: incluya la configuración de una [nube privada virtual (VPC) para proteger sus datos de entrenamiento y su trabajo de personalización](custom-model-job-access-security.md#vpc-model-customization).

**Respuesta**

La respuesta devuelve un `jobArn` que puede utilizar para [supervisar](model-customization-monitor.md) o [detener](model-customization-stop.md) el trabajo.

[Ver ejemplos de código](model-customization-code-samples.md)

------