AWS Clean Rooms ML oferece suporte ao treinamento e inferência de modelos com privacidade aprimorada
Hoje, a AWS anuncia a modelagem personalizada do AWS Clean Rooms ML, que permite às organizações gerar insights preditivos com parceiros executando seus próprios modelos de machine learning (ML) e usando seus dados em colaboração em salas limpas. Com esse lançamento, as empresas e seus parceiros podem treinar modelos de ML e executar inferências em conjuntos de dados coletivos sem precisar compartilhar dados confidenciais ou modelos proprietários.
Por exemplo, os anunciantes podem trazer seus modelos e dados proprietários para colaborar no Clean Rooms e convidar publicadores a acrescentar seus dados para treinar e implantar um modelo de ML personalizado que ajuda a aumentar a eficácia da campanha, tudo isso sem compartilhar modelos e dados personalizados entre si. Da mesma forma, as instituições financeiras podem usar registros históricos de transações para treinar um modelo de ML personalizado e convidar parceiros para colaborar no Clean Rooms a fim de detectar transações fraudulentas, sem necessidade de compartilhar dados e modelos subjacentes entre os colaboradores. Com a modelagem personalizada do AWS Clean Rooms ML, você pode obter insights valiosos com seus parceiros enquanto aplica controles de aprimoramento de privacidade na execução de treinamento e inferência de modelos, especificando os conjuntos de dados a serem usados em um ambiente do Clean Room. Assim, você e seus parceiros podem aprovar os conjuntos de dados utilizados, eliminando a necessidade de compartilhar dados confidenciais ou modelos proprietários entre si. Além disso, o AWS Clean Rooms ML oferece um recurso de modelagem de semelhantes criado pela AWS que pode ajudar a melhorar a precisão de segmentos semelhantes em até 36% em comparação com as referências do setor.
O AWS Clean Rooms ML está disponível como um recurso do AWS Clean Rooms nestas regiões da AWS. Para saber mais, acesse o AWS Clean Rooms ML.