ปัจจุบัน AWS Clean Rooms ML รองรับสรุปบันทึกข้อผิดพลาดที่แก้ไขแล้ว
การสร้างโมเดลแบบกำหนดเองของ AWS Clean Rooms ML ช่วยให้คุณและพาร์ทเนอร์สามารถฝึกและเรียกใช้การอนุมานบนโมเดล ML แบบกำหนดเองโดยใช้ชุดข้อมูลรวมขนาดใหญ่ได้ โดยไม่ต้องเปิดเผยข้อมูลที่ละเอียดอ่อนหรือทรัพย์สินทางปัญญาของคุณ การเปิดตัวในวันนี้ทำให้ผู้ทำงานร่วมกันสามารถกำหนดค่าการควบคุมความเป็นส่วนตัวแบบใหม่ที่ส่งสรุปบันทึกข้อผิดพลาดที่มีการปกปิดข้อมูลไปยังสมาชิกที่ทำงานร่วมกันตามที่ระบุไว้ สรุปบันทึกข้อผิดพลาดประกอบด้วยประเภทข้อยกเว้น ข้อความแสดงข้อผิดพลาด และบรรทัดในโค้ดที่เกิดข้อผิดพลาด เมื่อเชื่อมโยงโมเดลกับการทำงานร่วมกัน ผู้ทำงานร่วมกันสามารถตัดสินใจและตกลงกันว่าสมาชิกคนใดจะได้รับสรุปบันทึกข้อผิดพลาด และสรุปเหล่านั้นจะมีการปกปิดข้อมูลที่ระบุตัวตนของบุคคลได้ (PII) และตรวจจับได้ ตัวเลข หรือสตริงที่กำหนดเองหรือไม่
AWS Clean Rooms ML ช่วยให้คุณและพาร์ตเนอร์ใช้การควบคุมเพื่อเพิ่มความเป็นส่วนตัว ปกป้องข้อมูลที่เป็นกรรมสิทธิ์และโมเดล ML ขณะสร้างข้อมูลคาดการณ์ โดยไม่ต้องแชร์หรือคัดลอกข้อมูลดิบหรือโมเดลของกันและกัน ดูข้อมูลเพิ่มเติมเกี่ยวกับ Region ที่มี AWS Clean Rooms ML ได้ในตาราง AWS Region หากต้องการเรียนรู้เพิ่มเติม เยี่ยมชม AWS Clean Rooms ML