AWS Clean Rooms поддерживает инкрементное и распределенное обучение для построения настраиваемых моделей
Решение AWS Clean Rooms теперь поддерживает два усовершенствования функций машинного обучения, которые помогают более эффективно и в нужном масштабе обучать модели для получения прогнозной аналитики в ходе взаимодействия в Clean Rooms. Инкрементальное обучение дает возможность использовать артефакты имеющихся моделей для создания новых моделей, а распределенное обучение позволяет обучать модели одновременно на нескольких вычислительных инстансах. Эти возможности помогают специалистам по анализу данных и машинному обучению ускорить совместную обработку и исследование данных, сохраняя при этом конфиденциальность обучающих наборов данных.
Настраиваемое моделирование AWS Clean Rooms ML предоставляет вам и вашим партнерам возможности для обучения и логического вывода на основе специализированных моделей машинного обучения с использованием общих наборов данных в любом масштабе без необходимости обмениваться конфиденциальной интеллектуальной собственностью. При инкрементальном обучении можно использовать ранее обученные модели для создания новых вариантов с использованием расширенных наборов данных, что значительно сокращает время обучения и объем вычислительных ресурсов. Кроме того, распределенное обучение дает возможность эффективно обрабатывать наборы данных большого масштаба, распределяя рабочую нагрузку обучения между инстансами.
AWS Clean Rooms ML помогает вам и вашим партнерам применять средства контроля, повышающие уровень конфиденциальности, для защиты собственных данных и моделей машинного обучения при формировании прогнозной аналитики без совместного использования и копирования необработанных данных и моделей. Дополнительные сведения о регионах AWS, в которых доступно решение AWS Clean Rooms ML, приведены в таблице регионов AWS. См. дополнительные сведения об AWS Clean Rooms ML.