AWS Clean Rooms supporta l'addestramento incrementale e distribuito per la modellazione personalizzata
AWS Clean Rooms ora supporta due miglioramenti alle proprie funzionalità di machine learning che aiutano ad addestrare modelli su larga scala in modo più efficiente per generare informazioni predittive negli ambienti di collaborazione sicura di AWS Clean Rooms. L'addestramento incrementale consente di partire da artefatti di modelli esistenti per crearne di nuovi, mentre l'addestramento distribuito permette di addestrare modelli in più istanze di calcolo simultaneamente. Queste funzionalità aiutano i data scientist e i professionisti del machine learning a velocizzare la collaborazione e l'analisi dei dati, garantendo al tempo stesso la riservatezza dei set di dati di addestramento.
La modellazione personalizzata di AWS Clean Rooms ML consente alle organizzazioni e ai relativi partner addestrare ed eseguire inferenze su modelli ML personalizzati utilizzando set di dati collettivi su larga scala senza condividere proprietà intellettuale sensibile. L'addestramento incrementale rende possibile l'utilizzo dei modelli precedentemente addestrati per creare nuove varianti con set di dati ampliati, riducendo in modo significativo i tempi di addestramento e le risorse di calcolo. Inoltre, l'addestramento distribuito consente l'elaborazione dei set di dati su larga scala in modo efficiente, distribuendo il carico di lavoro di addestramento su più istanze.
AWS Clean Rooms ML aiuta l'utente e i partner ad applicare controlli per la tutela della privacy al fine di salvaguardare i dati proprietari e i modelli ML generando informazioni predittive, il tutto senza condividere o copiare dati o modelli grezzi l'uno dell'altro. Per ulteriori informazioni sulle regioni AWS in cui è disponibile AWS Clean Rooms ML, consulta la tabella delle regioni AWS. Per maggiori informazioni vai alla pagina di AWS Clean Rooms ML.