View a markdown version of this page

Asociar el algoritmo del modelo configurado en AWS Clean Rooms ML - AWS Clean Rooms

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.

Asociar el algoritmo del modelo configurado en AWS Clean Rooms ML

Una vez que haya configurado el algoritmo del modelo, estará listo para asociarlo a una colaboración. La asociación de un algoritmo modelo hace que el algoritmo modelo esté disponible para todos los miembros de la colaboración.

La siguiente imagen muestra la asociación del algoritmo del modelo configurado como último paso, después de crear la imagen de entrenamiento del contenedor y configurar un algoritmo de modelo.

Descripción general de cómo aportar un modelo de aprendizaje automático personalizado.
Console
nota

Una vez asociado el algoritmo del modelo, no se puede editar. Para realizar cambios, puede eliminar el algoritmo de modelo asociado y asociar uno nuevo.

Para asociar un algoritmo de modelo ML personalizado (consola)

  1. Inicie sesión en Consola de administración de AWS y abra la AWS Clean Rooms consola en https://console.aws.amazon.com/cleanrooms.

  2. En el panel de navegación izquierdo, seleccione Modelos ML personalizados.

  3. En la página de modelos de aprendizaje automático personalizados, elija el algoritmo de modelo configurado que desea asociar a una colaboración y, a continuación, seleccione Asociar a la colaboración.

  4. En la ventana Asociar el algoritmo del modelo configurado, elija la colaboración a la que desea asociarse.

  5. Seleccione Elegir colaboración.

  6. En la página Asociar el algoritmo del modelo, para ver los detalles de la asociación del algoritmo del modelo, introduzca un nombre y una descripción opcional.

  7. En Algoritmo de modelo, elija un algoritmo de modelo configurado.

  8. Para las configuraciones de privacidad de exportación de modelos entrenados,

    1. Para exportar archivos de modelos, seleccione la casilla de verificación Archivos de modelos.

    2. Para exportar los archivos de salida, seleccione la casilla Archivos de salida.

    3. Introduzca un valor de tamaño máximo para los datos exportados. El valor debe estar entre 0,01 y 10.

  9. (Opcional) Si quieres enviar registros de errores completos o resúmenes de errores más breves a los miembros, en la configuración de privacidad laboral de inferencia de modelos entrenados,

    1. En Registros completos, selecciona uno o más identificadores de cuenta en la lista desplegable.

    2. (Opcional) Si quieres enviar registros que coincidan con un patrón de filtro, introduce un patrón de filtro.

    3. (Opcional) Si desea agregar otra cuenta y un patrón de filtro opcional, elija Agregar política de registro.

    4. En Resúmenes de errores, selecciona uno o más identificadores de cuenta en la lista desplegable.

    5. (Opcional) Selecciona una o más entidades para redactar para especificar qué entidades se eliminarán del registro de errores o de los resúmenes de errores.

      • PII: redactar información de identificación personal

      • Números: redactar números

      • Personalizado: redacta según el patrón de redacción personalizado

      1. Si eligió Personalizado en el paso anterior, introduzca un patrón de redacción personalizado. Esto registra la información que coincide con este patrón.

      2. (Opcional) Si desea agregar otro patrón de redacción personalizado, elija Agregar otro patrón personalizado.

  10. (Opcional) Si quieres configurar métricas de modelos entrenados, en Configuración de métricas de modelos entrenados, selecciona un nivel de ruido en la lista desplegable.

    Puedes elegir Ninguno, Bajo, Medio y Alto.

  11. (Opcional) Si desea establecer el tamaño máximo de los artefactos, en Configuración de artefactos, introduzca el valor del tamaño máximo de los artefactos. El valor debe estar entre 0,01 y 10.

  12. (Opcional) Si desea habilitar las etiquetas, elija Agregar nueva etiqueta y, a continuación, introduzca el par clave y valor.

  13. Elija Asociar .

API

Para asociar un algoritmo de modelo ML (API) personalizado

Ejecute el siguiente código con sus parámetros específicos.

También proporciona una política de privacidad que define quién tiene acceso a los diferentes registros, permite a los clientes definir expresiones regulares y cuántos datos se pueden exportar de las salidas del modelo de entrenamiento o los resultados de la inferencia.

nota

Las asociaciones de algoritmos del modelo configuradas son inmutables.

import boto3 
acr_ml_client= boto3.client('cleanroomsml')

acr_ml_client.create_configured_model_algorithm_association(
    name='configured_model_algorithm_association_name',
    description='purpose of the association',
    configuredModelAlgorithmArn='arn:aws:cleanrooms-ml:region:account:membership/membershipIdentifier/configured-model-algorithm/identifier',
    privacyConfiguration={
        "policies": {
            "trainedModelExports": {
                "filesToExport": ['files to export'],
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id'],
                        "filterPattern": ['filter pattern'],
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                'ALL_PERSONALLY_IDENTIFIABLE_INFORMATION',
                                'NUMBERS',
                                'CUSTOM'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    'custom_regex_1',
                                    'custom_regex_2'
                                ] 
                            } 
                        } 
                    }
                ],
                "containerMetrics": {
                    "noiseLevel": 'noise value'
                },
                "maxArtifactSize": {
                    "unit": 'unit',
                    "value": 'number'
                }
            },
            "trainedModelInferenceJobs": {
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id'],
                        "filterPattern": ['filter pattern'],     
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                'ALL_PERSONALLY_IDENTIFIABLE_INFORMATION',
                                'NUMBERS',
                                'CUSTOM'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    'custom_regex_1',
                                    'custom_regex_2'
                                ] 
                            }
                        }
                    }
                ],
                "maxOutputSize": {
                    "unit": 'unit',
                    "value": 'number'
                }
            }
        }
    },
    tags={
        'tag': 'tag'
    }
)

Una vez que el algoritmo del modelo configurado se asocia a la colaboración, los proveedores de datos de formación deben agregar una regla de análisis de colaboración a su tabla. Esta regla permite que la asociación de algoritmos del modelo configurada acceda a su tabla configurada. Todos los proveedores de datos de entrenamiento que contribuyen deben ejecutar el siguiente código:

import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table_association_analysis_rule(
    membershipIdentifier= 'membership_id',
    configuredTableAssociationIdentifier= 'configured_table_association_id',
    analysisRuleType= 'CUSTOM',
    analysisRulePolicy = {
        'v1': {
            'custom': {
                'allowedAdditionalAnalyses': ['arn:aws:cleanrooms-ml:region:*:membership/*/configured-model-algorithm-association/*''],
                'allowedResultReceivers': []
            }
        }
    }
)
nota

Dado que las asociaciones de algoritmos de modelos configurados son inmutables, recomendamos a los proveedores de datos en formación que deseen incluir modelos en listas para su uso que utilicen comodines allowedAdditionalAnalyses durante las primeras iteraciones de la configuración del modelo personalizado. Esto permite a los proveedores de modelos repetir su código sin necesidad de que otros proveedores de formación se vuelvan a asociar antes de entrenar su código de modelo actualizado con datos.