Trabalhando com AWS Clean Rooms ML - AWS Clean Rooms
Trabalhando com modelos semelhantes (provedor de dados de treinamento)Trabalhando com segmentos semelhantes (provedor de dados iniciais)

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.

Trabalhando com AWS Clean Rooms ML

Um modelo de semelhanças é um modelo dos dados de um provedor de dados de treinamento que permite que um provedor de dados de seed crie um segmento de semelhanças dos dados do provedor de dados de treinamento que mais se assemelhe aos dados de seed. Para criar um modelo de semelhanças que possa ser usado em uma colaboração, você deve importar seus dados de treinamento, criar um modelo de semelhanças, configurar esse modelo de semelhanças e, depois, associá-lo a uma colaboração.

Depois que o provedor de dados de treinamento terminar de criar o modelo de ML, o provedor de dados de seed poderá criar e exportar o segmento de seed.

Trabalhando com modelos semelhantes (provedor de dados de treinamento)

Importar dados de treinamento

Antes de criar um modelo semelhante, você deve especificar o AWS Glue tabela que contém os dados de treinamento. O Clean Rooms ML não armazena uma cópia desses dados, apenas metadados que permitem que ele acesse os dados.

Para importar dados de treinamento em AWS Clean Rooms

  1. Faça login no AWS Management Console e abra o AWS Clean Rooms console com seu Conta da AWS (se você ainda não fez isso).

  2. No painel de navegação à esquerda, selecione Modelagem de ML.

  3. Na guia Conjuntos de dados de treinamento, escolha Criar conjunto de dados de treinamento.

  4. Na página Criar conjunto de dados de treinamento, para detalhes do conjunto de dados de treinamento, insira um Nome e uma Descrição opcional.

  5. Escolha a fonte de dados de treinamento selecionando o banco de dados e a tabela que você deseja configurar nas listas suspensas.

    nota

    Para verificar se essa é a tabela correta, faça um dos seguintes:

    • Escolha Exibir em AWS Glue.

    • Ative Exibir esquema para ver o esquema.

  6. Para obter detalhes do treinamento, escolha a coluna Identificador do usuário, a coluna Identificador do item e a coluna Timestamp nas listas suspensas. Os dados de treinamento devem conter essas três colunas. Você também pode selecionar qualquer outra coluna que queira incluir nos dados de treinamento.

    Os dados na coluna Timestamp devem estar no formato de tempo de época do Unix em segundos.

  7. (Opcional) Se você tiver alguma coluna adicional para treinar, escolha o nome e o tipo da coluna nas listas suspensas.

  8. No Acesso ao serviço, você deve especificar uma função de serviço que possa acessar seus dados e fornecer uma KMS chave se seus dados estiverem criptografados. Escolha Criar e usar uma nova função de serviço e o Clean Rooms ML criará automaticamente uma função de serviço e adicionará a política de permissões necessária. Escolha Usar uma função de serviço existente e insira-a no campo Nome da função de serviço se você tiver uma função de serviço específica que deseja usar.

    Se seus dados estiverem criptografados, insira sua KMS chave no campo AWS KMS keycampo ou clique em Criar um AWS KMS keypara gerar uma nova KMS chave.

  9. Se você quiser habilitar Tags para o conjunto de dados de treinamento, escolha Adicionar nova tag e insira o par de Chave e Valor.

  10. Escolha Criar conjunto de dados de treinamento.

Para a API ação correspondente, consulte CreateTrainingDataset.

Criar um modelo de semelhanças

Depois de criar um conjunto de dados de treinamento, estará tudo pronto para criar um modelo de semelhanças. É possível criar vários modelos de semelhanças com base em um único conjunto de dados de treinamento.

Você deve criar um banco de dados padrão no seu AWS Glue Data Catalog ou inclua a glue:createDatabase permissão na função fornecida.

Para criar um modelo semelhante em AWS Clean Rooms

  1. Faça login no AWS Management Console e abra o AWS Clean Rooms console com seu Conta da AWS (se você ainda não fez isso).

  2. No painel de navegação à esquerda, selecione Modelagem de ML.

  3. Na guia Modelos de semelhanças, escolha Criar modelo de semelhanças.

  4. Na página Criar modelo semelhante, para obter detalhes do modelo semelhante, insira um nome e uma descrição opcional.

    1. Escolha o Conjunto de dados de treinamento que você deseja modelar na lista suspensa.

      nota

      Para verificar se esse é o conjunto de dados de treinamento correto, ative Mostrar detalhes do conjunto de dados de treinamento para ver os detalhes.

      Para criar um novo conjunto de dados de treinamento, escolha Criar conjunto de dados de treinamento.

    2. (Opcional) Insira uma janela de treinamento.

  5. Se você quiser ativar as configurações de criptografia personalizadas para o modelo semelhante, escolha Personalizar configurações de criptografia e insira a KMS chave.

  6. Se você quiser habilitar Tags para o modelo de semelhanças, escolha Adicionar nova tag e insira o par de Chave e Valor.

  7. Escolha Criar modelo de semelhanças.

    nota

    O treinamento de modelos pode levar de várias horas a dois dias.

Para a API ação correspondente, consulte CreateAudienceModel.

Configurar um modelo de semelhanças

Depois de criar um modelo de semelhanças, estará tudo pronto para configurá-lo para uso em uma colaboração. É possível criar vários modelos de semelhanças configurados com base em um único modelo de semelhanças.

Para configurar um modelo semelhante no AWS Clean Rooms

  1. Faça login no AWS Management Console e abra o AWS Clean Rooms console com seu Conta da AWS (se você ainda não fez isso).

  2. No painel de navegação à esquerda, selecione Modelagem de ML.

  3. Na guia Modelos de semelhanças configurados, escolha Configurar modelo de semelhanças.

  4. Na página Configurar modelo semelhante, para Detalhes do modelo semelhante configurado, insira um Nome e uma Descrição opcional.

    1. Escolha o Modelo de semelhanças que você deseja configurar na lista suspensa.

      nota

      Para verificar se esse é o modelo parecido correto, ative Mostrar detalhes do modelo semelhante para ver os detalhes.

      Para criar um novo modelo semelhante, escolha Criar modelo semelhante.

    2. Escolha o Tamanho mínimo de propagação correspondente que você deseja. Esse é o número mínimo de usuários nos dados do provedor de dados de seed que se sobrepõem aos usuários nos dados de treinamento. Esse valor deve ser maior que 0.

  5. Em Métricas para compartilhar com outros membros, escolha se você deseja que o provedor de dados de seed em sua colaboração receba métricas do modelo, incluindo pontuações de relevância.

  6. Em Localização do destino do segmento de semelhanças, insira o bucket do Amazon S3 para o qual o segmento de semelhanças é exportado. Esse bucket deve estar localizado na mesma região que seus outros recursos.

  7. Em Acesso ao serviço, escolha o Nome do perfil de serviço existente que será usado para acessar essa tabela.

  8. Para a configuração avançada do tamanho do compartimento, especifique o tipo de tamanho do público como um número absoluto ou uma porcentagem.

  9. Se quiser habilitar Tags para o recurso de tabela configurado, escolha Adicionar nova tag e, em seguida, insira o par Chave e Valor.

  10. Escolha Configurar modelo semelhante.

Para a API ação correspondente, consulte CreateConfiguredAudienceModel.

Associar um modelo de semelhanças configurado

Depois de configurar um modelo de semelhanças, você pode associá-lo a uma colaboração.

Para associar um modelo semelhante configurado em AWS Clean Rooms

  1. Faça login no AWS Management Console e abra o AWS Clean Rooms console com seu Conta da AWS (se você ainda não fez isso).

  2. No painel de navegação à esquerda, escolha Colaborações.

  3. Na guia Com associação ativa, escolha uma colaboração.

  4. Na guia Modelagem de ML, em Modelos eady-to-use semelhantes em R, escolha Associar modelo semelhante.

  5. Na página Associar modelo semelhante configurado, para obter detalhes da associação de modelo semelhante configurado:

    1. Insira um Nome para o modelo de público configurado associado.

    2. Insira uma Descrição da tabela.

      A descrição ajuda a diferenciar entre outros modelos de público configurados associados com nomes semelhantes.

  6. Para Modelo de semelhanças configurado, escolha um modelo de semelhanças configurado na lista suspensa.

  7. Selecione Associar.

Para a API ação correspondente, consulte CreateConfiguredAudienceModelAssociation.

Atualizar um modelo semelhante configurado

Depois de associar um modelo semelhante configurado a uma colaboração, você pode atualizá-lo para alterar informações como o nome, as métricas a serem compartilhadas ou a localização do Amazon S3 de saída.

Para atualizar um modelo semelhante configurado associado no AWS Clean Rooms

  1. Faça login no AWS Management Console e abra o AWS Clean Rooms console com seu Conta da AWS (se você ainda não fez isso).

  2. No painel de navegação esquerdo, escolha Modelagem de ML.

  3. Na guia Modelos semelhantes configurados, em R, escolha um modelo eady-to-use semelhante configurado e selecione Editar.

  4. Na página Editar, para obter detalhes da associação de modelos semelhantes configurados:

    1. Atualize o nome e a descrição opcional.

    2. Escolha o modelo Lookalike que você deseja configurar na lista suspensa.

    3. Escolha o Tamanho mínimo de propagação correspondente que você deseja. Esse é o número mínimo de usuários nos dados do provedor de dados de seed que se sobrepõem aos usuários nos dados de treinamento. Esse valor deve ser maior que 0.

  5. Em Métricas para compartilhar com outros membros, escolha se você deseja que o provedor de dados de seed em sua colaboração receba métricas do modelo, incluindo pontuações de relevância.

  6. Em Localização do destino do segmento de semelhanças, insira o bucket do Amazon S3 para o qual o segmento de semelhanças é exportado. Esse bucket deve estar localizado na mesma região que seus outros recursos.

  7. Em Acesso ao serviço, escolha o Nome do perfil de serviço existente que será usado para acessar essa tabela.

  8. Para Configuração avançada do tamanho do compartimento, escolha como você deseja configurar os tamanhos do compartimento de público.

  9. Escolha Salvar alterações.

Para a API ação correspondente, consulte UpdateConfiguredAudienceModel.

Trabalhando com segmentos semelhantes (provedor de dados iniciais)

Criar um segmento de semelhanças

Um segmento de semelhanças é um subconjunto dos dados de treinamento que mais se assemelha aos dados de seed.

Para criar um segmento semelhante no AWS Clean Rooms

  1. Faça login no AWS Management Console e abra o AWS Clean Rooms console com seu Conta da AWS (se você ainda não fez isso).

  2. No painel de navegação à esquerda, escolha Colaborações.

  3. Na guia Com associação ativa, escolha uma colaboração.

  4. Na guia Modelagem de ML, escolha Criar segmento de semelhanças.

  5. Na página Criar segmento semelhante, em Modelo semelhante configurado associado, escolha o modelo semelhante configurado associado a ser usado para esse segmento semelhante.

  6. Para detalhes do segmento Lookalike, insira um Nome e uma Descrição opcional.

  7. Para perfis de sementes, escolha seu método de semente selecionando uma opção e, em seguida, executando a ação recomendada.

    Opção Ação recomendada
    Fonte de entrada do Amazon S3

    1. Selecione um local do Amazon S3.

    2. (Opcional) Escolha Incluir perfis de sementes na saída.
    SQLconsulta Escreva uma SQL consulta e use seus resultados como dados iniciais,
    Modelo de análise Escolha um modelo de análise na lista suspensa e use os resultados criados por um modelo de análise.

  8. Em Acesso ao serviço, escolha o Nome do perfil de serviço existente que será usado para acessar essa tabela.

  9. Se você quiser habilitar Tags para o conjunto de dados de treinamento, escolha Adicionar nova tag e insira o par de Chave e Valor.

  10. Escolha Criar segmento de semelhanças.

Para a API ação correspondente, consulte StartAudienceGenerationJob.

Exportar um segmento de semelhanças

Depois de criar um segmento de semelhanças, é possível exportar os dados para um bucket do Amazon S3.

Para exportar um segmento semelhante em AWS Clean Rooms

  1. Faça login no AWS Management Console e abra o AWS Clean Rooms console com seu Conta da AWS (se você ainda não fez isso).

  2. No painel de navegação à esquerda, escolha Colaborações.

  3. Na guia Com associação ativa, escolha uma colaboração.

  4. Na guia Modelagem de ML, em Segmentos semelhantes, selecione um segmento semelhante e escolha Exportar.

  5. Para Exportar modelo de semelhanças, em Exportar detalhes do modelo de semelhanças, insira um Nome e uma Descrição opcional.

  6. Em Tamanho do segmento, escolha o tamanho desejado para o segmento exportado.

  7. Escolha Exportar.

Para a API ação correspondente, consulte StartAudienceExportJob.

Agora que você criou um modelo semelhante e exportou um segmento inicial, você está pronto para visualizar os dados exportados no S3.