Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Privacidade de dados na Amazon SageMaker AI

Modo de foco
Privacidade de dados na Amazon SageMaker AI - SageMaker IA da Amazon

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.

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.

A Amazon SageMaker AI coleta informações agregadas sobre o uso de bibliotecas AWS próprias e de código aberto usadas durante o treinamento. SageMaker A IA usa esses metadados agregados para melhorar os serviços e a experiência do cliente.

As seções a seguir fornecem explicações sobre o tipo de metadados que a SageMaker IA coleta e como optar por não participar da coleta de metadados.

Tipos de informação coletados

Informações de uso

Metadados AWS de bibliotecas próprias e de código aberto que são usados com SageMaker treinamento, como aqueles usados para treinamento distribuído, compilação e quantização.

Erros

Erros de comportamento inesperado, incluindo falhas, falhas, cascatas e falhas resultantes da interação com a plataforma de treinamento. SageMaker

Como optar por não participar da coleta de metadados

Você pode optar por não compartilhar metadados agregados com o SageMaker treinamento ao criar um trabalho de treinamento usando a CreateTrainingJob API. Se você estiver usando o console para criar trabalhos de treinamento, a coleta de metadados fica desativada por padrão.

Importante

Você deve optar por não participar da coleta de metadados para cada trabalho de treinamento enviado. Você também deve optar por cancelar em uma chamada de API, conforme mostrado nos exemplos a seguir. Você não pode optar por não participar por meio de um script de treinamento.

A seção a seguir mostra como você pode optar por não participar da coleta de metadados usando o AWS CLI AWS SDK para Python (Boto3), ou o SDK do SageMaker Python.

Desativar a coleta de metadados usando a AWS Command Line Interface (AWS CLI)

Para desativar a coleta de metadados usando o AWS CLI, defina OPT_OUT_TRACKING a variável de ambiente como 1 na create-training-job API, conforme mostrado no exemplo de código a seguir.

aws sagemaker create-training-job \ --training-job-name your_job_name \ --algorithm-specification AlgorithmName=your_algorithm_name\ --output-data-config S3OutputPath=s3://bucket-name/key-name-prefix \ --resource-config InstanceType=ml.c5.xlarge, InstanceCount=1 \ --stopping-condition MaxRuntimeInSeconds=100 \ --environment OPT_OUT_TRACKING=1

Opte por não participar da coleta de metadados usando o AWS SDK para Python (Boto3)

Para desativar a coleta de metadados usando o SDK para Python (Boto3), defina a variável de ambiente OPT_OUT_TRACKING como 1 na API create_training_job, conforme mostrado no exemplo de código a seguir.

boto3.client('sagemaker').create_training_job( TrainingJobName='your_training_job', AlgorithmSpecification={ 'AlgorithmName': 'your_algorithm_name', 'TrainingInputMode': 'File', }, RoleArn='your_arn', OutputDataConfig={ 'S3OutputPath': 's3://bucket-name/key-name-prefix', }, ResourceConfig={ 'InstanceType': 'ml.m4.xlarge', 'InstanceCount': 1, 'VolumeSizeInGB': 123, }, StoppingCondition={ 'MaxRuntimeInSeconds': 123, }, Environment={ 'OPT_OUT_TRACKING': '1' }, )

Desative a coleta de metadados usando o SDK do SageMaker Python

Para desativar a coleta de metadados usando o SDK do SageMaker Python, defina a OPT_OUT_TRACKING variável 1 de ambiente como dentro de SageMaker um estimador de IA, conforme mostrado no exemplo de código a seguir.

sagemaker.estimator( image_uri='path_to_container', role='rolearn', instance_count=1, instance_type='ml.c5.xlarge', environment={ 'OPT_OUT_TRACKING': '1' }, )

Desativar a coleta de metadados em todas as contas

Se você quiser desativar a coleta de metadados para várias contas, defina uma variável de ambiente para interromper o rastreamento de todas as contas. Você precisa usar o SDK do SageMaker AI Python para desativar a coleta de metadados no nível da conta.

O exemplo de código a seguir mostra como cancelar o rastreamento de todas as contas.

SchemaVersion: '1.0' SageMaker: TrainingJob: Environment: 'OPT_OUT_TRACKING': '1'

Para obter mais informações sobre como desativar o rastreamento em toda a conta, consulte Como configurar e usar padrões com o SDK do Python. SageMaker

Mais informações

Se seu serviço downstream depender do treinamento de SageMaker IA

Se você opera um serviço que depende de SageMaker treinamento, é altamente recomendável informar seu cliente sobre a coleta agregada de metadados na plataforma de SageMaker treinamento e apresentar a ele a opção de optar por não participar. Como alternativa, você pode cancelar a coleta de metadados em nome do cliente.

Se você é cliente ou cliente de um serviço que usa treinamento de SageMaker IA

Se você é cliente ou cliente de um serviço que usa SageMaker treinamento, use seu método preferido na seção anterior para cancelar a coleta de metadados.

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.