다음과 같이 작업하기 AWS Clean Rooms ML - AWS Clean Rooms
유사 모델 사용 (교육 데이터 제공자)유사 세그먼트 다루기 (시드 데이터 제공자)

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

다음과 같이 작업하기 AWS Clean Rooms ML

유사 모델은 훈련 데이터 공급자의 데이터 모델로, 시드 데이터 공급자는 이를 통해 시드 데이터와 가장 유사한 훈련 데이터 공급자 데이터 세그먼트를 만들 수 있습니다. 공동 작업에 사용할 수 있는 유사 모델을 만들려면 훈련 데이터를 가져와서 유사 모델을 만들고 유사 모델을 구성한 다음 이를 공동 작업에 연결해야 합니다.

훈련 데이터 공급자가 ML 모델 생성을 완료한 후 시드 데이터 공급자는 시드 세그먼트를 만들고 내보낼 수 있습니다.

유사 모델 사용 (교육 데이터 제공자)

훈련 데이터 가져오기

유사 모델을 생성하기 전에 다음을 지정해야 합니다. AWS Glue 훈련 데이터가 포함된 테이블. Clean Rooms ML은 이 데이터의 사본을 저장하지 않고 데이터에 액세스할 수 있는 메타데이터만 저장합니다.

교육 데이터를 가져오려면 AWS Clean Rooms

  1. 에 로그인하세요. AWS Management Console 그리고 여세요 AWS Clean Rooms콘솔을 사용하여 AWS 계정 (아직 해보지 않은 경우)

  2. 왼쪽 탐색 창에서 ML 모델링을 선택합니다.

  3. 훈련 데이터 세트 탭에서 훈련 데이터 세트 생성을 선택합니다.

  4. 교육 데이터세트 만들기 페이지에서 교육 데이터세트 세부 정보를 보려면 이름 및 선택적 설명을 입력합니다.

  5. 드롭다운 목록에서 구성하려는 데이터베이스와 테이블을 선택하여 교육 데이터 소스를 선택합니다.

    참고

    테이블이 올바른지 확인하려면 다음 중 하나를 수행합니다.

    • [View in] 을 선택하세요 AWS Glue.

    • 스키마를 보려면 스키마 보기를 켜세요.

  6. 교육 세부 정보를 보려면 드롭다운 목록에서 사용자 식별자 열, 항목 식별자 열, 타임스탬프 열을 선택합니다. 훈련 데이터에는 이 세 개의 열이 포함되어야 합니다. 훈련 데이터에 포함하려는 다른 열을 선택할 수도 있습니다.

    타임스탬프 열의 데이터는 Unix epoch 시간 (초) 형식이어야 합니다.

  7. (선택 사항) 학습할 추가 열이 있는 경우 드롭다운 목록에서 열 이름과 유형을 선택합니다.

  8. 서비스 액세스에서 데이터에 액세스할 수 있는 서비스 역할을 지정하고 데이터가 암호화된 경우 KMS 키를 제공해야 합니다. 새 서비스 역할 생성 및 사용을 선택하면 Clean Rooms ML이 자동으로 서비스 역할을 생성하고 필요한 권한 정책을 추가합니다. 사용하려는 특정 서비스 역할이 있는 경우 기존 서비스 역할 사용을 선택하고 서비스 역할 이름 필드에 해당 역할을 입력합니다.

    데이터가 암호화된 경우, KMS 키를 입력하세요. AWS KMS key필드 또는 만들기를 클릭합니다. AWS KMS key새 KMS 키를 생성하려면

  9. 훈련 데이터 세트의 태그를 사용하려면 새 태그 추가를 선택한 다음 키와 값 쌍을 입력합니다.

  10. 훈련 데이터 세트 생성을 선택합니다.

해당 API 작업에 대한 내용은 을 참조하십시오 CreateTrainingDataset.

유사 모델 생성

훈련 데이터 세트를 만들었으면 유사 모델을 만들 준비가 된 것입니다. 단일 훈련 데이터 세트에서 유사 모델을 여러 개 만들 수 있습니다.

에서 기본 데이터베이스를 만들어야 합니다. AWS Glue Data Catalog 또는 제공된 역할에 glue:createDatabase 권한을 포함시키십시오.

에서 유사 모델을 만들려면 AWS Clean Rooms

  1. 에 로그인하세요. AWS Management Console 그리고 여세요 AWS Clean Rooms콘솔을 사용하여 AWS 계정 (아직 해보지 않은 경우)

  2. 왼쪽 탐색 창에서 ML 모델링을 선택합니다.

  3. 유사 모델 탭에서 유사 모델 생성을 선택합니다.

  4. 유사 모델 생성 페이지에서 유사 모델 세부 정보를 보려면 이름 및 설명 (선택 사항) 을 입력합니다.

    1. 드롭다운 목록에서 모델링하고 싶은 훈련 데이터 세트를 선택합니다.

      참고

      훈련 데이터셋이 올바른지 확인하려면 훈련 데이터세트 세부 정보 보기를 켜서 세부 정보를 확인하세요.

      새 훈련 데이터세트를 만들려면 훈련 데이터세트 만들기를 선택합니다.

    2. (선택 사항) 훈련 창을 입력합니다.

  5. 유사 모델에 대해 사용자 지정 암호화 설정을 활성화하려면 암호화 설정 사용자 지정을 선택한 다음 KMS 키를 입력합니다.

  6. 유사 모델의 태그를 사용하려면 새 태그 추가를 선택한 다음 키와 값 쌍을 입력합니다.

  7. 유사 모델 생성을 선택합니다.

    참고

    모델 교육에는 몇 시간에서 2일이 소요될 수 있습니다.

해당 API 조치에 대한 내용은 을 참조하십시오 CreateAudienceModel.

유사 모델 구성

유사 모델이 생성되면 공동 작업에 유사 모델을 사용하기 위해 구성할 준비가 된 것입니다. 단일 유사 모델에서 구성된 유사 모델을 여러 개 생성할 수 있습니다.

유사 모델을 구성하려면 AWS Clean Rooms

  1. 에 로그인하십시오. AWS Management Console 그리고 여세요 AWS Clean Rooms콘솔을 사용하여 AWS 계정 (아직 해보지 않은 경우)

  2. 왼쪽 탐색 창에서 ML 모델링을 선택합니다.

  3. 유사 모델 구성 탭에서 유사 모델 생성을 선택합니다.

  4. 유사 모델 구성 페이지에서 유사 모델 구성 세부 정보에 이름 및 선택적 설명을 입력합니다.

    1. 드롭다운 목록에서 구성하고 싶은 유사 모델을 선택합니다.

      참고

      유사 모델이 올바른지 확인하려면 유사 모델 세부 정보 보기를 켜서 세부 정보를 확인하십시오.

      새 유사 모델을 생성하려면 유사 모델 생성을 선택합니다.

    2. 원하는 최소 매칭 시드 크기를 선택합니다. 이는 시드 데이터 공급자 데이터에 있는 사용자 중 훈련 데이터의 사용자와 겹치는 최소 사용자 수입니다. 이 값은 0보다 커야 합니다.

  5. 다른 구성원과 공유하기 위한 지표에서 공동 작업의 시드 데이터 공급자가 관련성 점수를 포함한 모델 지표를 수신하도록 할지 여부를 선택합니다.

  6. 유사 세그먼트 대상 위치에는 유사 세그먼트를 내보내는 Amazon S3 버킷을 입력합니다. 이 버킷은 다른 리소스와 같은 지역에 있어야 합니다.

  7. 서비스 액세스에서 이 테이블에 액세스하는 데 사용할 기존 서비스 역할 이름을 선택합니다.

  8. 고급 저장소 크기 구성의 경우 대상 크기 유형을 절대 숫자 또는 백분율로 지정합니다.

  9. 구성된 테이블 리소스에 대해 태그를 활성화하려면 새 태그 추가를 선택한 다음 키와 값 쌍을 입력합니다.

  10. 유사 모델 구성을 선택합니다.

해당 API 작업에 대한 내용은 을 참조하십시오. CreateConfiguredAudienceModel

구성된 유사 모델 연결

유사 모델이 구성되면 해당 모델을 공동 작업에 연결할 수 있습니다.

구성된 유사 모델을 연결하려면 AWS Clean Rooms

  1. 에 로그인하십시오. AWS Management Console 그리고 여세요 AWS Clean Rooms콘솔을 사용하여 AWS 계정 (아직 해보지 않은 경우)

  2. 왼쪽 탐색 창에서 공동 작업을 선택합니다.

  3. 활성 멤버십 포함 탭에서 공동 작업을 선택합니다.

  4. ML 모델링 탭의 R eady-to-use 유사 모델에서 유사 모델 연결을 선택합니다.

  5. 구성된 유사 모델 연결 페이지에서 구성된 유사 모델 연결 세부 정보를 보려면:

    1. 연결된 구성 대상 모델의 이름을 입력합니다.

    2. 테이블의 설명을 입력합니다.

      설명을 입력하면 비슷한 이름을 가진 다른 연결된 구성 대상 모델을 구분하는 데 도움이 됩니다.

  6. 구성된 유사 모델의 드롭다운 목록에서 구성된 유사 모델을 선택합니다.

  7. 연결을 선택합니다.

해당 작업에 대한 자세한 내용은 을 참조하십시오API. CreateConfiguredAudienceModelAssociation

구성된 유사 모델 업데이트

구성된 유사 모델을 컬래버레이션에 연결한 후, 모델을 업데이트하여 이름, 공유할 지표 또는 Amazon S3 위치 출력과 같은 정보를 변경할 수 있습니다.

연결된 구성된 유사 모델을 업데이트하려면 AWS Clean Rooms

  1. 에 로그인하십시오. AWS Management Console 그리고 여세요 AWS Clean Rooms콘솔을 사용하여 AWS 계정 (아직 해보지 않은 경우)

  2. 왼쪽 탐색 창에서 ML 모델링을 선택합니다.

  3. 구성된 유사 모델 탭의 R eady-to-use 유사 모델에서 구성된 유사 모델을 선택하고 편집을 선택합니다.

  4. 편집 페이지에서 구성된 유사 모델 연결 세부 정보는 다음과 같습니다.

    1. 이름 및 선택적 설명을 업데이트하십시오.

    2. 드롭다운 목록에서 구성하려는 Lookalike 모델을 선택합니다.

    3. 원하는 최소 매칭 시드 크기를 선택합니다. 이는 시드 데이터 공급자 데이터에 있는 사용자 중 훈련 데이터의 사용자와 겹치는 최소 사용자 수입니다. 이 값은 0보다 커야 합니다.

  5. 다른 구성원과 공유하기 위한 지표에서 공동 작업의 시드 데이터 공급자가 관련성 점수를 포함한 모델 지표를 수신하도록 할지 여부를 선택합니다.

  6. 유사 세그먼트 대상 위치에는 유사 세그먼트를 내보내는 Amazon S3 버킷을 입력합니다. 이 버킷은 다른 리소스와 같은 지역에 있어야 합니다.

  7. 서비스 액세스에서 이 테이블에 액세스하는 데 사용할 기존 서비스 역할 이름을 선택합니다.

  8. 고급 저장소 크기 구성의 경우 대상 그룹 크기를 구성하는 방법을 선택합니다.

  9. Save changes(변경 사항 저장)를 선택합니다.

해당 API 작업에 대한 내용은 을 참조하십시오 UpdateConfiguredAudienceModel.

유사 세그먼트 다루기 (시드 데이터 제공자)

유사 세그먼트 생성

유사 세그먼트는 시드 데이터와 가장 유사한 훈련 데이터의 하위 집합입니다.

에서 유사한 세그먼트를 만들려면 AWS Clean Rooms

  1. 에 로그인하세요. AWS Management Console 그리고 여세요 AWS Clean Rooms콘솔을 사용하여 AWS 계정 (아직 해보지 않은 경우)

  2. 왼쪽 탐색 창에서 공동 작업을 선택합니다.

  3. 활성 멤버십 포함 탭에서 공동 작업을 선택합니다.

  4. ML 모델링 탭에서 유사 세그먼트 생성을 선택합니다.

  5. 유사 세그먼트 생성 페이지에서 연결된 구성된 유사 모델에 대해 이 유사 세그먼트에 사용할 연결된 구성된 유사 모델을 선택합니다.

  6. 유사 세그먼트 세부 정보의 경우 이름 및 설명 (선택 사항 ) 을 입력합니다.

  7. 시드 프로필의 경우 옵션을 선택한 다음 권장 조치를 취하여 시드 방법을 선택합니다.

    옵션 권장 조치
    아마존 S3 입력 소스

    1. Amazon S3 위치를 선택합니다.

    2. (선택 사항) 출력에 시드 프로필 포함을 선택합니다.
    SQL쿼리 SQL쿼리를 작성하고 결과를 시드 데이터로 사용하십시오.
    분석 템플릿 드롭다운 목록에서 분석 템플릿을 선택하고 분석 템플릿으로 만든 결과를 사용합니다.

  8. 서비스 액세스에서 이 테이블에 액세스하는 데 사용할 기존 서비스 역할 이름을 선택합니다.

  9. 훈련 데이터 세트의 태그를 사용하려면 새 태그 추가를 선택한 다음 키와 값 쌍을 입력합니다.

  10. 유사 세그먼트 생성을 선택합니다.

해당 API 작업에 대한 내용은 을 참조하십시오 StartAudienceGenerationJob.

유사 세그먼트 내보내기

유사 세그먼트를 생성한 후 데이터를 Amazon S3 버킷으로 내보낼 수 있습니다.

비슷한 세그먼트를 로 내보내려면 AWS Clean Rooms

  1. 에 로그인하십시오. AWS Management Console 그리고 여세요 AWS Clean Rooms콘솔을 사용하여 AWS 계정 (아직 해보지 않은 경우)

  2. 왼쪽 탐색 창에서 공동 작업을 선택합니다.

  3. 활성 멤버십 포함 탭에서 공동 작업을 선택합니다.

  4. ML Modeling 탭의 유사 세그먼트에서 유사 세그먼트를 선택하고 내보내기를 선택합니다.

  5. 유사 모델 내보내기의 유사 모델 내보내기 세부 정보에서 이름 및 필요에 따라 설명을 입력합니다.

  6. 세그먼트 크기에서 내보낸 세그먼트에 사용할 크기를 선택합니다.

  7. 내보내기를 선택합니다.

해당 작업에 대한 내용은 을 참조하십시오API. StartAudienceExportJob

유사 모델을 생성하고 시드 세그먼트를 익스포트했으므로 이제 S3에서 익스포트된 데이터를 볼 준비가 되었습니다.