Bekerja dengan AWS Clean Rooms ML - AWS Clean Rooms
Bekerja dengan model yang mirip (penyedia data pelatihan)Bekerja dengan segmen yang mirip (penyedia data benih)

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Bekerja dengan AWS Clean Rooms ML

Model mirip adalah model data penyedia data pelatihan yang memungkinkan penyedia data benih untuk membuat segmen serupa dari data penyedia data pelatihan yang paling mirip dengan data benih mereka. Untuk membuat model mirip yang dapat digunakan dalam kolaborasi, Anda harus mengimpor data pelatihan Anda, membuat model mirip, mengonfigurasi model yang mirip, dan kemudian mengaitkannya dengan kolaborasi.

Setelah penyedia data pelatihan selesai membuat model ML, penyedia data benih dapat membuat dan mengekspor segmen benih.

Bekerja dengan model yang mirip (penyedia data pelatihan)

Impor data pelatihan

Sebelum Anda membuat model mirip, Anda harus menentukan AWS Glue tabel yang berisi data pelatihan. Clean Rooms ML tidak menyimpan salinan data ini, hanya metadata yang memungkinkannya mengakses data.

Untuk mengimpor data pelatihan di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih Pemodelan Pemodelan.

  3. Pada tab Kumpulan data Pelatihan, pilih Buat kumpulan data pelatihan.

  4. Pada halaman Buat kumpulan data pelatihan, untuk detail kumpulan data Pelatihan, masukkan Nama dan Deskripsi opsional.

  5. Pilih sumber data Pelatihan dengan memilih Database dan Tabel yang ingin Anda konfigurasi dari daftar dropdown.

    catatan

    Untuk memverifikasi bahwa ini adalah tabel yang benar, lakukan salah satu dari yang berikut:

    • Pilih Lihat di AWS Glue.

    • Aktifkan Lihat skema untuk melihat skema.

  6. Untuk detail Pelatihan, pilih kolom Pengenal pengguna, kolom pengenal item, dan kolom Timestamp dari daftar tarik-turun. Data pelatihan harus berisi tiga kolom ini. Anda juga dapat memilih kolom lain yang ingin Anda sertakan dalam data pelatihan.

    Data di kolom Timestamp harus dalam waktu epoch Unix dalam format detik.

  7. (Opsional) Jika Anda memiliki kolom Tambahan untuk dilatih, pilih nama Kolom dan Ketik dari daftar dropdown.

  8. Di Akses layanan, Anda harus menentukan peran layanan yang dapat mengakses data Anda dan memberikan KMS kunci jika data Anda dienkripsi. Pilih Buat dan gunakan peran layanan baru dan Clean Rooms akan secara otomatis membuat peran layanan dan menambahkan kebijakan izin yang diperlukan. Pilih Gunakan peran layanan yang ada dan masukkan di bidang Nama peran layanan jika Anda memiliki peran layanan tertentu yang ingin Anda gunakan.

    Jika data Anda dienkripsi, masukkan KMS kunci Anda di AWS KMS keybidang, atau klik Buat AWS KMS keyuntuk menghasilkan KMS kunci baru.

  9. Jika Anda ingin mengaktifkan Tag untuk kumpulan data pelatihan, pilih Tambahkan tag baru lalu masukkan pasangan Kunci dan Nilai.

  10. Pilih Buat kumpulan data pelatihan.

Untuk API tindakan yang sesuai, lihat CreateTrainingDataset.

Buat model yang mirip

Setelah Anda membuat kumpulan data pelatihan, Anda siap untuk membuat model yang mirip. Anda dapat membuat banyak model mirip dari satu kumpulan data pelatihan.

Anda harus membuat database default di AWS Glue Data Catalog atau sertakan glue:createDatabase izin dalam peran yang diberikan.

Untuk membuat model yang mirip di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih Pemodelan Pemodelan.

  3. Pada tab Lookalike models, pilih Create lookalike model.

  4. Pada halaman Buat model mirip, untuk detail model Lookalike, masukkan Nama dan Deskripsi opsional.

    1. Pilih kumpulan data Pelatihan yang ingin Anda modelkan dari daftar tarik-turun.

      catatan

      Untuk memverifikasi bahwa ini adalah kumpulan data pelatihan yang benar, aktifkan Tampilkan detail kumpulan data pelatihan untuk melihat detailnya.

      Untuk membuat kumpulan data pelatihan baru, pilih Buat kumpulan data pelatihan.

    2. (Opsional) Masukkan jendela Pelatihan.

  5. Jika Anda ingin mengaktifkan pengaturan Enkripsi khusus untuk model yang mirip, pilih Sesuaikan pengaturan enkripsi dan kemudian masukkan kuncinya. KMS

  6. Jika Anda ingin mengaktifkan Tag untuk model mirip, pilih Tambahkan tag baru dan kemudian masukkan pasangan Kunci dan Nilai.

  7. Pilih Buat model yang mirip.

    catatan

    Pelatihan model dapat memakan waktu beberapa jam hingga 2 hari.

Untuk API tindakan yang sesuai, lihat CreateAudienceModel.

Konfigurasikan model yang mirip

Setelah Anda membuat model yang mirip, Anda siap mengonfigurasinya untuk digunakan dalam kolaborasi. Anda dapat membuat beberapa model mirip yang dikonfigurasi dari satu model mirip.

Untuk mengonfigurasi model yang mirip di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih Pemodelan Pemodelan.

  3. Pada tab Configurated lookalike models, pilih Configure lookalike model.

  4. Pada halaman Configure lookalike model, untuk detail model mirip Configurated, masukkan Nama dan Deskripsi opsional.

    1. Pilih model Lookalike yang ingin Anda konfigurasikan dari daftar dropdown.

      catatan

      Untuk memverifikasi bahwa ini adalah model mirip yang benar, aktifkan Tampilkan detail model yang mirip untuk melihat detailnya.

      Untuk membuat model mirip baru, pilih Buat model mirip mirip.

    2. Pilih ukuran benih pencocokan minimum yang Anda inginkan. Ini adalah jumlah minimum pengguna dalam data penyedia data benih yang tumpang tindih dengan pengguna dalam data pelatihan. Nilai ini harus lebih besar dari 0.

  5. Agar Metrik dapat dibagikan dengan anggota lain, pilih apakah Anda ingin penyedia data benih dalam kolaborasi Anda menerima metrik model, termasuk skor relevansi.

  6. Untuk lokasi tujuan segmen Lookalike, masukkan bucket Amazon S3 tempat segmen mirip diekspor. Bucket ini harus terletak di wilayah yang sama dengan sumber daya Anda yang lain.

  7. Untuk akses Layanan, pilih nama peran layanan yang ada yang akan digunakan untuk mengakses tabel ini.

  8. Untuk konfigurasi ukuran nampan lanjutan, tentukan jenis ukuran Audiens sebagai nomor Absolut atau Persentase.

  9. Jika Anda ingin mengaktifkan Tag untuk sumber daya tabel yang dikonfigurasi, pilih Tambahkan tag baru lalu masukkan pasangan Kunci dan Nilai.

  10. Pilih Konfigurasikan model yang mirip.

Untuk API tindakan yang sesuai, lihat CreateConfiguredAudienceModel.

Kaitkan model mirip yang dikonfigurasi

Setelah Anda mengonfigurasi model yang mirip, Anda dapat mengaitkannya dengan kolaborasi.

Untuk mengaitkan model mirip yang dikonfigurasi di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih Kolaborasi.

  3. Pada tab Dengan keanggotaan aktif, pilih kolaborasi.

  4. Pada tab Pemodelan ML, di bawah R model eady-to-use mirip, pilih Associate lookalike model.

  5. Pada halaman model mirip yang dikonfigurasi Associate, untuk detail asosiasi model mirip yang Dikonfigurasi:

    1. Masukkan Nama untuk model audiens yang dikonfigurasi terkait.

    2. Masukkan Deskripsi tabel.

      Deskripsi membantu membedakan antara model audiens terkonfigurasi terkait lainnya dengan nama yang mirip.

  6. Untuk model mirip yang dikonfigurasi, pilih model mirip yang dikonfigurasi dari daftar tarik-turun.

  7. Pilih Kaitkan.

Untuk API tindakan yang sesuai, lihat CreateConfiguredAudienceModelAssociation.

Perbarui model mirip yang dikonfigurasi

Setelah mengaitkan model mirip yang dikonfigurasi ke kolaborasi, Anda dapat memperbaruinya untuk mengubah informasi seperti nama, metrik yang akan dibagikan, atau menampilkan lokasi Amazon S3.

Untuk memperbarui model mirip mirip yang dikonfigurasi terkait di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih pemodelan ML.

  3. Pada tab Configurated lookalike models, di bawah R eady-to-use lookalike models, pilih model mirip yang dikonfigurasi dan pilih Edit.

  4. Pada halaman Edit, untuk detail asosiasi model mirip yang Dikonfigurasi:

    1. Perbarui Nama dan Deskripsi opsional.

    2. Pilih model Lookalike yang ingin Anda konfigurasi dari daftar dropdown.

    3. Pilih ukuran benih pencocokan minimum yang Anda inginkan. Ini adalah jumlah minimum pengguna dalam data penyedia data benih yang tumpang tindih dengan pengguna dalam data pelatihan. Nilai ini harus lebih besar dari 0.

  5. Agar Metrik dapat dibagikan dengan anggota lain, pilih apakah Anda ingin penyedia data benih dalam kolaborasi Anda menerima metrik model, termasuk skor relevansi.

  6. Untuk lokasi tujuan segmen Lookalike, masukkan bucket Amazon S3 tempat segmen mirip diekspor. Bucket ini harus terletak di wilayah yang sama dengan sumber daya Anda yang lain.

  7. Untuk akses Layanan, pilih nama peran layanan yang ada yang akan digunakan untuk mengakses tabel ini.

  8. Untuk konfigurasi ukuran tempat sampah lanjutan, pilih cara Anda ingin mengonfigurasi ukuran tempat sampah audiens.

  9. Pilih Simpan perubahan.

Untuk API tindakan yang sesuai, lihat UpdateConfiguredAudienceModel.

Bekerja dengan segmen yang mirip (penyedia data benih)

Buat segmen yang mirip

Segmen mirip adalah bagian dari data pelatihan yang paling mirip dengan data benih.

Untuk membuat segmen mirip di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih Kolaborasi.

  3. Pada tab Dengan keanggotaan aktif, pilih kolaborasi.

  4. Pada tab Modeling Ml, pilih Create lookalike segment.

  5. Pada halaman Buat segmen mirip mirip, untuk model mirip yang dikonfigurasi terkait, pilih model mirip mirip yang dikonfigurasi terkait untuk digunakan untuk segmen mirip ini..

  6. Untuk detail segmen Lookalike masukkan Nama dan Deskripsi opsional.

  7. Untuk profil Seed, pilih metode Seed Anda dengan memilih opsi dan kemudian mengambil tindakan yang disarankan.

    Opsi Tindakan yang disarankan
    Sumber masukan Amazon S3

    1. Pilih lokasi Amazon S3.

    2. (Opsional) Pilih Sertakan profil benih dalam output.
    SQLkueri Tulis SQL kueri dan gunakan hasilnya sebagai data benih,
    Template analisis Pilih template analisis dari daftar dropdown dan gunakan hasil yang dibuat oleh template analisis.

  8. Untuk akses Layanan, pilih nama peran layanan yang ada yang akan digunakan untuk mengakses tabel ini.

  9. Jika Anda ingin mengaktifkan Tag untuk kumpulan data pelatihan, pilih Tambahkan tag baru lalu masukkan pasangan Kunci dan Nilai.

  10. Pilih Buat segmen mirip.

Untuk API tindakan yang sesuai, lihat StartAudienceGenerationJob.

Ekspor segmen yang mirip

Setelah membuat segmen yang mirip, Anda dapat mengekspor data tersebut ke bucket Amazon S3.

Untuk mengekspor segmen yang mirip di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih Kolaborasi.

  3. Pada tab Dengan keanggotaan aktif, pilih kolaborasi.

  4. Pada tab Pemodelan ML, di bawah segmen Lookalike, pilih segmen yang mirip dan pilih Ekspor.

  5. Untuk model mirip Ekspor, untuk detail model mirip Ekspor masukkan Nama dan Deskripsi opsional.

  6. Untuk ukuran Segmen, pilih ukuran yang Anda inginkan untuk segmen yang diekspor.

  7. Pilih Ekspor.

Untuk API tindakan yang sesuai, lihat StartAudienceExportJob.

Sekarang setelah Anda membuat model yang mirip dan mengekspor segmen benih, Anda siap untuk melihat data yang diekspor di S3.