AWS Clean Rooms admite la formación incremental y distribuida para el modelado personalizado
AWS Clean Rooms ahora admite dos mejoras en sus capacidades de machine learning que le ayudan a entrenar modelos de manera más eficiente y a escala para generar información predictiva en una colaboración de salas limpias. El entrenamiento incremental le permite aprovechar los artefactos de modelo existentes para crear nuevos modelos, y el entrenamiento distribuido le permite entrenar modelos en varias instancias de procesamiento simultáneamente. Estas capacidades ayudan a los científicos de datos y a los profesionales de ML a acelerar la colaboración y el análisis de los datos, a la vez que mantienen la privacidad de los conjuntos de datos de capacitación.
Con el modelado personalizado de AWS Clean Rooms ML, usted y sus socios pueden entrenar y ejecutar inferencias en un modelo de ML personalizado utilizando conjuntos de datos colectivos a escala sin tener que compartir propiedad intelectual confidencial. Con el entrenamiento incremental, puede aprovechar los modelos previamente entrenados para crear nuevas variantes utilizando conjuntos de datos ampliados, lo que reduce significativamente el tiempo de entrenamiento y los recursos informáticos. Además, la capacitación distribuida le permite procesar conjuntos de datos a gran escala de manera eficiente al distribuir la carga de trabajo de la capacitación en varias instancias.
AWS Clean Rooms ML lo ayuda a usted y a sus socios a aplicar controles que mejoran la privacidad para proteger sus datos y modelos de machine learning propios, al tiempo que genera información predictiva, todo ello sin compartir ni copiar los modelos o datos sin procesar. Para obtener más información sobre las regiones de AWS en las que está disponible AWS Clean Rooms ML, consulte la tabla de regiones de AWS. Para obtener más información, visite AWS Clean Rooms ML.