View a markdown version of this page

Aportar datos de entrenamiento 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.

Aportar datos de entrenamiento en AWS Clean Rooms ML

Una vez que el creador de la colaboración haya creado la colaboración y los miembros invitados se hayan unido, estará listo para aportar los datos de formación a la colaboración. Cualquier miembro puede aportar datos de formación.

Console
Para aportar datos de entrenamiento (consola)

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

  2. En el panel de navegación izquierdo, elija Tables (Tablas).

  3. En la página Tablas, seleccione Configurar nueva tabla.

  4. En Configurar una nueva tabla, en Fuente de datos, elija Amazon S3, Amazon Athena o Snowflake y complete los pasos siguientes en función de su fuente de datos:

    Si está utilizando Entonces
    Amazon S3

    1. Elija una base de datos de la lista desplegable y, a continuación, seleccione la tabla de la base de datos.

    2. En Columnas permitidas en colaboraciones, seleccione Todas las columnas o Lista personalizada.

    3. Para ver los detalles de la tabla configurada, proporcione el nombre y una descripción opcional para esta tabla.

    4. Si desea generar informes sobre las métricas del modelo, introduzca el nombre de las métricas y la sentencia Regex que buscará la métrica en los registros de salida.

    5. Si desea habilitar la opción de Etiquetas para el recurso de tabla configurada, seleccione Añadir nueva etiqueta y, a continuación, introduzca el par de Clave y Valor.

    Amazon Athena

    1. Elija una base de datos de la lista desplegable y, a continuación, seleccione la tabla de la base de datos.

    2. En Columnas permitidas en colaboraciones, seleccione Todas las columnas o Lista personalizada.

    3. Para ver los detalles de la tabla configurada, proporcione el nombre y una descripción opcional para esta tabla.

    4. Si desea generar informes sobre las métricas del modelo, introduzca el nombre de las métricas y la sentencia Regex que buscará la métrica en los registros de salida.

    5. Si desea habilitar la opción de Etiquetas para el recurso de tabla configurada, seleccione Añadir nueva etiqueta y, a continuación, introduzca el par de Clave y Valor.

    Snowflake

    1. Especifique las credenciales de Snowflake utilizando un ARN secreto existente o almacenando un secreto nuevo para esta tabla.

    2. Para ver los detalles de la tabla y el esquema de Snowflake, introduzca los detalles manualmente o impórtelos automáticamente.

    3. Para el esquema, introduzca el nombre de la columna y elija el tipo de datos en la lista desplegable.

    4. Si desea habilitar la opción de Etiquetas para el recurso de tabla configurada, seleccione Añadir nueva etiqueta y, a continuación, introduzca el par de Clave y Valor.

  5. Seleccione Configurar nuevo cliente.

  6. En la página de detalles de la tabla, elija Configurar regla de análisis para configurar una regla de análisis personalizada para esta tabla. Una regla de análisis personalizada limita el acceso a los datos. Puedes permitir un conjunto específico de consultas preautorizadas sobre tus datos o permitir que un conjunto específico de cuentas consulte tus datos.

    1. Para el tipo de regla de análisis, elija Personalizada y para el método de creación, elija Flujo guiado.

    2. Elija Siguiente.

    3. En Especificar los controles de análisis, elija entre Revisar cada nuevo análisis y Permitir cualquier análisis realizado por colaboradores específicos.

    4. Elija Siguiente.

    5. (Opcional) En Especificar los controles de los resultados del análisis, en Columnas no permitidas en la salida, especifique si desea excluir alguna columna de la salida. Si elige Ninguna, no se excluirá ninguna columna de la salida. Si elige Lista personalizada, puede especificar ciertas columnas que se eliminarán de la salida.

    6. En el caso de los análisis adicionales aplicados a la salida, especifique si desea permitir, denegar o requerir un análisis adicional antes de generar los resultados.

    7. Elija Siguiente.

    8. (Opcional) En Establecer privacidad diferencial, selecciona Desactivar.

    9. Elija Siguiente.

    10. Revise la información de la página Revisar y configurar y, a continuación, seleccione Configurar regla de análisis.

  7. En la página de detalles de la tabla, elija Asociar a la colaboración.

  8. En el cuadro de diálogo Asociar tabla, seleccione la colaboración a la que desea asociar esta tabla y elija Elegir colaboración.

  9. En la página de la tabla asociada, revise y verifique la información que aparece en los detalles de la asociación de tablas, el acceso al servicio y las etiquetas. Seleccione Asociar tabla.

  10. En las tablas asociadas por su tabla, seleccione el botón de opción situado junto a la tabla que acaba de asociar. En el menú Acciones, elija Configurar en el grupo de reglas de análisis de colaboración.

  11. En la página Configurar la regla de análisis de la colaboración, en Permitir análisis adicionales, elija si algún miembro de la colaboración o miembros específicos de la colaboración pueden realizar análisis adicionales.

    En la entrega de resultados, elija qué miembros pueden recibir los resultados de las consultas.

  12. Elija Configurar regla de análisis.

API

Para aportar datos de entrenamiento (API)

  1. Configure una AWS Glue tabla existente para usarla en ella AWS Clean Rooms proporcionando la tabla y las columnas que se pueden usar.

    Ejecute el siguiente código con sus parámetros específicos.

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

acr_client.create_configured_table(
    name='configured_table_name',
    tableReference= {
        'glue': {
            'tableName': 'glue_table_name',
            'databaseName': 'glue_database_name'
        }
    },
    analysisMethod="DIRECT_QUERY",
    allowedColumns=["column1", "column2", "column3",...]
)

  2. Configure una regla de análisis personalizada que limite el acceso a los datos. Puedes permitir un conjunto específico de consultas preautorizadas sobre tus datos o permitir que un conjunto específico de cuentas consulte tus datos.

    Ejecuta el siguiente código con tus parámetros específicos.

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

acr_client.create_configured_table_analysis_rule(
    configuredTableIdentifier='configured_table_id',
    analysisRuleType='CUSTOM',
    analysisRulePolicy= {
        'v1': {
            'custom': {
                'allowedAnalyses': ['ANY_QUERY'],
                'allowedAnalysisProviders': ['query_runner_account'],
                'additionalAnalyses': "REQUIRED"
            }
        }
    }
)

    En este ejemplo, una cuenta específica puede ejecutar cualquier consulta sobre los datos y es necesario realizar un análisis adicional.

  3. Asocie una tabla configurada a la colaboración y proporcione un rol de acceso al servicio a las AWS Glue tablas.

    Ejecute el siguiente código con sus parámetros específicos.

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

acr_client.create_configured_table_association(
    name='configured_table_association_name',
    membershipIdentifier='membership_id',
    configuredTableIdentifier='configured_table_id',
    roleArn='arn:aws:iam::account:role/role_name'
)
    nota

    Este rol de servicio tiene permisos relacionados con las tablas. La función de servicio solo se puede asumir si ejecuta AWS Clean Rooms las consultas permitidas en nombre del miembro que puede realizar la consulta. Ningún miembro de la colaboración (salvo el propietario de los datos) tiene acceso a las tablas subyacentes de la colaboración. El propietario de los datos puede desactivar la privacidad diferencial para que sus tablas estén disponibles para que otros miembros las consulten.

  4. Por último, añada una regla de análisis a la asociación de tablas configurada.

    Ejecute el siguiente código con sus parámetros específicos.

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

acr_client.create_configured_table_association_analysis_rule(
    configuredTableAssociationIdentifier='configured_table_association_identifier',
    membershipIdentifier='membership_id',
    configuredTableIdentifier='configured_table_id',
    analysisRuleType = 'CUSTOM',
    analysisRulePolicy= {
        'v1': {
            'custom': {
                'allowedAdditionalAnalyses': ['configured_model_algorithm_association_arns'],
                'allowedResultReceivers': ['query_runner_account']
            }
        }
    }
)