AWS Clean Rooms ML admite la inferencia y el entrenamiento de modelos con mayor privacidad
Hoy, AWS anuncia el modelado personalizado de AWS Clean Rooms ML, que permite a las organizaciones generar información predictiva con sus socios que ejecutan sus propios modelos de machine learning (ML) y utilizan sus datos en una colaboración de salas limpias. Con este lanzamiento, las empresas y sus socios pueden entrenar modelos de ML y ejecutar inferencias en conjuntos de datos colectivos sin tener que compartir datos confidenciales o modelos patentados.
Por ejemplo, los anunciantes pueden incorporar sus datos y modelos patentados a una colaboración de salas limpias e invitar a los editores a combinar sus datos para entrenar e implementar un modelo de ML personalizado que los ayude a aumentar la eficacia de las campañas, todo ello sin compartir el modelo ni los datos personalizados entre sí. Del mismo modo, las instituciones financieras pueden usar los registros históricos de transacciones para entrenar un modelo de ML personalizado e invitar a los socios a una colaboración de salas limpias para detectar posibles transacciones fraudulentas, sin tener que compartir los datos y los modelos subyacentes entre los colaboradores. Con el modelado personalizado de AWS Clean Rooms ML, puede obtener información valiosa con sus socios y, al mismo tiempo, aplicar controles que mejoren la privacidad al ejecutar el entrenamiento y la inferencia de los modelos al especificar los conjuntos de datos que se utilizarán en un entorno de salas limpias. Esto le permite a usted y a sus socios aprobar los conjuntos de datos utilizados y evita la necesidad de compartir datos confidenciales o modelos patentados entre sí. AWS Clean Rooms ML también ofrece una capacidad de modelado similar a la creada por AWS que puede ayudarlo a mejorar la precisión de los segmentos similares en hasta un 36 % en comparación con las líneas de base del sector.
AWS Clean Rooms ML está disponible como una capacidad de AWS Clean Rooms en estas regiones de AWS. Para obtener más información, visite AWS Clean Rooms ML.