AWS Clean Rooms 支持使用增量训练和分布式训练进行自定义建模

发布于: 2025年7月1日

AWS Clean Rooms 现在支持对机器学习功能提供两项增强功能，可帮助您更高效、更大规模地训练模型，从而在 Clean Rooms 协作中生成预测性见解。增量训练使您能够在现有模型构件的基础上创建新模型，而分布式训练允许您同时跨多个计算实例训练模型。这些功能可帮助数据科学家和 ML 从业者加速数据协作和分析，同时维护训练数据集的隐私。

借助 AWS Clean Rooms ML 自定义建模，您和您的合作伙伴可以使用集体数据集在自定义 ML 模型上大规模训练和运行推理，而无需共享敏感的知识产权。通过增量训练，您可以利用之前训练过的模型使用扩展的数据集来创建新的变体，从而显著减少训练时长和计算资源。此外，分布式训练允许您通过在多个实例间分配训练工作负载来高效地处理大型数据集。

AWS Clean Rooms ML 可帮助您和您的合作伙伴应用隐私增强控制来保护您的专有数据和 ML 模型，同时生成预测见解，所有这些都无需共享或复制彼此的原始数据或模型。有关提供 AWS Clean Rooms ML 的 AWS 区域的更多信息，请参阅 AWS 区域表。要了解更多信息，请访问 AWS Clean Rooms ML。