As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Associando o algoritmo do modelo configurado no AWS Clean Rooms ML Depois de configurar o algoritmo do modelo, você estará pronto para associar o algoritmo do modelo a uma colaboração. A associação de um algoritmo de modelo torna o algoritmo de modelo disponível para todos os membros da colaboração. A imagem a seguir mostra a associação do algoritmo do modelo configurado como a última etapa, depois de criar a imagem de treinamento do contêiner e configurar um algoritmo de modelo. ![\[Uma visão geral de como contribuir com um modelo de ML personalizado.\]](http://docs.aws.amazon.com/pt_br/clean-rooms/latest/userguide/images/bringMLModelCollaboration.png) ------ #### [ Console ] **nota** Depois que o algoritmo do modelo é associado, ele não pode ser editado. Para fazer alterações, você pode excluir o algoritmo do modelo associado e associar um novo. **Para associar um algoritmo de modelo de ML personalizado (console)** 1. Faça login no Console de gerenciamento da AWS e abra o AWS Clean Rooms console em [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home). 1. No painel de navegação esquerdo, escolha **Modelos de ML personalizados**. 1. Na página **Modelos de ML personalizados**, escolha o algoritmo de modelo configurado que você deseja associar a uma colaboração e, em seguida, escolha **Associar à colaboração**. 1. Na janela **Associar algoritmo de modelo configurado**, escolha a **Colaboração** à qual você deseja se associar. 1. Escolha **Escolher colaboração**. 1. Na página **Associar algoritmo do modelo**, em **Detalhes da associação do algoritmo do modelo**, insira um **Nome** e uma **Descrição** opcional. 1. Em **Algoritmo de modelo**, escolha um **algoritmo de modelo configurado**. 1. Para **configurações de privacidade de exportação de modelos treinados**, 1. Para exportar arquivos de modelo, marque a caixa de seleção **Arquivos de modelo**. 1. Para exportar arquivos de saída, marque a caixa de seleção **Arquivos de saída**. 1. Insira um **valor de tamanho máximo** para os dados exportados. O valor deve estar entre 0,01 e 10. 1. (Opcional) Se você quiser enviar registros de erros completos ou resumos de erros mais curtos aos membros, em Configuração de **privacidade do trabalho de inferência de modelos treinados**, 1. Em **Registros completos**, selecione uma ou mais **contas** na IDs lista suspensa. 1. (Opcional) Se você quiser enviar registros que correspondam a um padrão de filtro, insira um **padrão de filtro**. 1. (Opcional) Se você quiser adicionar outra conta e um padrão de filtro opcional, escolha **Adicionar política de registro**. 1. Em **Resumos de erros**, selecione uma ou mais **contas** na IDs lista suspensa. 1. (Opcional) Selecione uma ou mais **entidades a serem editadas para** especificar quais entidades serão editadas do registro de erros ou dos resumos de erros. + **PII** — editar informações de identificação pessoal + **Números** — redija números + **Personalizado** — redija com base no padrão de redação personalizado 1. Se você escolheu **Personalizado** na etapa anterior, insira um **padrão de redação personalizado**. Isso registra informações que correspondem a esse padrão. 1. (Opcional) Se você quiser adicionar outro padrão de redação personalizado, escolha **Adicionar outro padrão personalizado**. 1. (Opcional) Se você quiser configurar métricas de modelo treinado, em **Configuração de métricas de modelo treinado**, selecione um **nível de ruído** na lista suspensa. Você pode escolher **Nenhuma**, **Baixa**, **Média** e **Alta**. 1. (Opcional) Se você quiser definir o tamanho máximo dos artefatos, em **Configuração de artefatos**, insira o valor do tamanho **máximo de artefatos**. O valor deve estar entre 0,01 e 10. 1. (Opcional) Se você quiser ativar **Tags**, escolha **Adicionar nova tag** e, em seguida, insira o par **Chave** e **Valor**. 1. Selecione **Associar **. ------ #### [ API ] **Para associar um algoritmo de modelo de ML (API) personalizado** Execute o código a seguir com seus parâmetros específicos. Você também fornece uma política de privacidade que define quem tem acesso aos diferentes registros, permite que os clientes definam o regex e quantos dados podem ser exportados das saídas do modelo de treinamento ou dos resultados da inferência. **nota** As associações de algoritmos de modelos configurados são imutáveis. ``` 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' } ) ``` Depois que o algoritmo do modelo configurado for associado à colaboração, os provedores de dados de treinamento devem adicionar uma regra de análise de colaboração à tabela. Essa regra permite que a associação do algoritmo do modelo configurado acesse sua tabela configurada. Todos os provedores de dados de treinamento contribuintes devem executar o seguinte 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** Como as associações de algoritmos de modelos configurados são imutáveis, recomendamos treinar provedores de dados que desejam incluir modelos na lista de permissões para uso no uso de curingas `allowedAdditionalAnalyses` durante as primeiras iterações da configuração do modelo personalizado. Isso permite que os provedores de modelo iterem seu código sem exigir que outros provedores de treinamento se reassociem antes de treinar seu código de modelo atualizado com os dados. ------