AWS Clean Rooms, 사용자 지정 모델링을 위한 증분 및 분산 학습 지원
이제 AWS Clean Rooms는 기계 학습 기능을 강화하는 두 가지 새로운 기능을 도입하여, Clean Rooms 협업 환경 내에서 모델을 더 효율적으로 대규모로 훈련하고 예측 인사이트를 생성할 수 있도록 지원합니다. 증분 학습을 사용하면 기존 모델 아티팩트를 기반으로 새로운 모델을 구출할 수 있고, 분산 학습을 사용하면 여러 컴퓨팅 인스턴스에서 동시에 모델을 훈련할 수 있습니다. 이러한 기능은 데이터 과학자와 기계 학습 실무자가 데이터 협업과 분석을 더 빠르게 수행하면서도 훈련 데이터세트의 프라이버시를 유지할 수 있도록 지원합니다.
AWS Clean Rooms ML 사용자 지정 모델링을 사용하면 고객과 파트너는 민감한 지식 재산을 공유하지 않고도 집합 데이터세트를 사용하여 대규모로 사용자 지정 기계 학습 모델을 훈련하고 추론을 실행할 수 있습니다. 증분 학습을 사용하면 이전에 훈련한 모델에 확장된 데이터세트를 적용해 새로운 변형을 생성할 수 있으므로, 훈련 시간과 컴퓨팅 리소스를 크게 절약할 수 있습니다. 더불어 분산 학습은 훈련 워크로드를 여러 인스턴스에 분산하여 대규모 데이터세트를 효율적으로 처리할 수 있도록 합니다.
AWS Clean Rooms ML은 파트너와 공동 작업을 수행할 때 개인 정보 보호 강화 제어를 적용하여 독점 데이터 및 ML 모델을 보호하면서 서로의 원시 데이터 또는 모델을 공유하거나 복사하지 않고도 예측 인사이트를 생성할 수 있도록 지원합니다. AWS Clean Rooms ML이 제공되는 AWS 리전에 대한 추가 정보는 AWS 리전 표에서 확인하세요. 자세한 내용은 AWS Clean Rooms ML을 참조하세요.