View a markdown version of this page

Menyumbangkan data pelatihan di AWS Clean Rooms ML - AWS Clean Rooms

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

Menyumbangkan data pelatihan di AWS Clean Rooms ML

Setelah pembuat kolaborasi membuat kolaborasi dan anggota yang diundang bergabung, Anda siap untuk menyumbangkan data pelatihan ke kolaborasi. Setiap anggota dapat menyumbangkan data pelatihan.

Console
Untuk menyumbangkan data pelatihan (konsol)

  1. Masuk ke Konsol Manajemen AWS dan buka AWS Clean Rooms konsol di https://console.aws.amazon.com/cleanrooms.

  2. Di panel navigasi kiri, pilih Tabel.

  3. Pada halaman Tabel, pilih Konfigurasikan tabel baru.

  4. Untuk Konfigurasi tabel baru, untuk Sumber data, pilih Amazon S3, Amazon Athena, atau Snowflake dan selesaikan langkah-langkah berikut, berdasarkan sumber data Anda:

    Jika Anda menggunakan Maka
    Amazon S3

    1. Pilih Database dari daftar dropdown, dan kemudian pilih Tabel dari database.

    2. Untuk Kolom yang diizinkan dalam kolaborasi, pilih Semua kolom atau Daftar kustom.

    3. Untuk detail tabel yang dikonfigurasi, berikan Nama dan Deskripsi opsional untuk tabel ini.

    4. Jika Anda ingin melaporkan metrik model, masukkan Nama metrik dan pernyataan Reg ex yang akan mencari log keluaran untuk menemukan metrik.

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

    Amazon Athena

    1. Pilih Database dari daftar dropdown, dan kemudian pilih Tabel dari database.

    2. Untuk Kolom yang diizinkan dalam kolaborasi, pilih Semua kolom atau Daftar kustom.

    3. Untuk detail tabel yang dikonfigurasi, berikan Nama dan Deskripsi opsional untuk tabel ini.

    4. Jika Anda ingin melaporkan metrik model, masukkan Nama metrik dan pernyataan Reg ex yang akan mencari log keluaran untuk menemukan metrik.

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

    Kepingan salju

    1. Tentukan kreden tif Snowflake menggunakan ARN rahasia yang ada atau menyimpan rahasia baru untuk tabel ini.

    2. Untuk tabel Snowflake dan detail skema, masukkan detail secara manual atau impor detail secara otomatis.

    3. Untuk S kema, masukkan nama Kol om dan pilih tipe Data dari daftar dropdown.

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

  5. Pilih Konfigurasikan tabel baru.

  6. Pada halaman detail tabel, pilih Konfigurasikan aturan analisis untuk mengonfigurasi aturan analisis khusus untuk tabel ini. Aturan analisis khusus membatasi akses ke data Anda. Anda dapat mengizinkan serangkaian kueri pra-otorisasi tertentu pada data Anda atau mengizinkan kumpulan akun tertentu untuk menanyakan data Anda.

    1. Untuk Jenis aturan Analisis, pilih K ustom dan untuk Metode Pem buatan, pilih Alur terpandu.

    2. Pilih Berikutnya.

    3. Untuk Tentukan kontrol analisis, pilih antara T injau setiap analisis baru dan Iz inkan analisis apa pun oleh kolaborator tertentu.

    4. Pilih Berikutnya.

    5. (Opsional) Untuk Tentukan kontrol hasil analisis, untuk Kolom yang tidak diizinkan dalam output tentukan apakah Anda ingin mengecualikan kolom apa pun dari output. Jika Anda memilih Tidak ada, tidak ada kolom yang dikecualikan dari output. Jika Anda memilih Daftar kustom, Anda dapat menentukan kolom tertentu yang akan dihapus dari output.

    6. Untuk Analisis tambahan yang diterapkan pada output tentukan apakah Anda ingin mengizinkan, menolak, atau memerlukan analisis tambahan sebelum hasil dihasilkan.

    7. Pilih Berikutnya.

    8. (Opsional) Untuk Mengatur privasi diferensial, pilih Matikan.

    9. Pilih Berikutnya.

    10. Tinjau informasi di halaman T injau dan konfigurasi, lalu pilih Konfigurasikan aturan analisis.

  7. Dari halaman detail tabel, pilih Associate to Collaboration.

  8. Di kotak dialog Associate table, pilih kolaborasi yang ingin Anda kaitkan tabel ini dan pilih Pilih kolaborasi.

  9. Pada halaman tabel Associate, tinjau dan verifikasi informasi di Detail asosiasi Tabel, Akses layanan, dan Tag. Pilih Tabel Asosiasi.

  10. Di tabel Tabel yang dikaitkan oleh Anda, pilih tombol radio di sebelah tabel yang baru saja Anda kaitkan. Dari menu Tindakan, pilih Konfigur asi di grup aturan analisis kolaborasi.

  11. Pada halaman Konfigurasi aturan analisis kolaborasi, untuk Analisis tambahan yang diizinkan, pilih apakah anggota kolaborasi atau anggota kolaborasi tertentu dapat melakukan analisis tambahan.

    Untuk Pengiriman Hasil, pilih anggota mana yang diizinkan untuk menerima hasil dari keluaran kueri.

  12. Pilih Konfigurasikan aturan analisis.

API

Untuk menyumbangkan data pelatihan (API)

  1. Konfigurasikan AWS Glue tabel yang ada untuk digunakan AWS Clean Rooms dengan menyediakan tabel dan kolom yang dapat digunakan.

    Jalankan kode berikut dengan parameter spesifik Anda.

    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. Konfigurasikan aturan analisis khusus yang membatasi akses ke data Anda. Anda dapat mengizinkan serangkaian kueri pra-otorisasi tertentu pada data Anda atau mengizinkan kumpulan akun tertentu untuk menanyakan data Anda.

    Jalankan kode berikut dengan parameter spesifik Anda.

    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"
            }
        }
    }
)

    Dalam contoh ini, akun tertentu diizinkan untuk menjalankan kueri apa pun pada data dan analisis tambahan diperlukan.

  3. Mengaitkan tabel yang dikonfigurasi ke kolaborasi dan menyediakan peran akses layanan ke AWS Glue tabel.

    Jalankan kode berikut dengan parameter spesifik Anda.

    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'
)
    catatan

    Peran layanan ini memiliki izin ke tabel. Peran layanan hanya dapat diasumsikan dengan AWS Clean Rooms menjalankan kueri yang diizinkan atas nama anggota yang dapat melakukan query. Tidak ada anggota kolaborasi (selain pemilik data) yang memiliki akses ke tabel yang mendasarinya dalam kolaborasi. Pemilik data dapat mematikan privasi diferensial untuk membuat tabel mereka tersedia untuk kueri oleh anggota lain.

  4. Terakhir, tambahkan aturan analisis ke asosiasi tabel yang dikonfigurasi.

    Jalankan kode berikut dengan parameter spesifik Anda.

    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']
            }
        }
    }
)