O AWS Clean Rooms oferece suporte ao treinamento de geração de conjuntos de dados sintéticos e treinamento personalizado de ML
O AWS Clean Rooms agora permite que você e seus parceiros gerem conjuntos de dados sintéticos que melhoram a privacidade a partir de seus dados coletivos para treinar modelos de aprendizado de máquina (ML) de regressão e classificação.
A geração de conjuntos de dados sintéticos permite que você e seus parceiros criem conjuntos de dados de treinamento com propriedades estatísticas semelhantes aos dados originais, sem que o código de treinamento tenha acesso a registros reais. Esse novo recurso desidentifica assuntos — como pessoas ou entidades sobre as quais os dados foram coletados — nos dados originais, reduzindo o risco de um modelo memorizar informações sobre indivíduos nos dados de treinamento. Isso desbloqueia novos casos de uso de treinamento de modelos de ML que antes eram restritos por questões de privacidade, como otimização de campanhas, detecção de fraudes e pesquisas médicas. Por exemplo, uma companhia aérea com um algoritmo proprietário quer colaborar com uma marca de hotel para oferecer promoções conjuntas a clientes de alto valor, mas nenhuma organização quer compartilhar dados confidenciais do consumidor. Usando o AWS Clean Rooms ML, eles podem gerar uma versão sintética de seu conjunto de dados coletivo para treinar o modelo sem expor dados brutos, permitindo uma segmentação de promoções mais precisa e, ao mesmo tempo, protegendo a privacidade do cliente.
Para obter mais informações sobre todas as regiões da AWS nas quais o AWS Clean Rooms ML está disponível, consulte a tabela de regiões da AWS. Para saber mais, acesse o AWS Clean Rooms ML.