AWS Clean Rooms, sentetik veri kümesi oluşturma eğitimini ve özel makine öğrenimi eğitimini destekliyor
AWS Clean Rooms artık sizin ve çözüm ortaklarınızın regresyon ve sınıflandırma makine öğrenimi (ML) modellerini eğitmek için toplu verilerinizden gizlilik artırıcı sentetik veri kümeleri oluşturmanıza olanak tanır.
Sentetik veri kümesi oluşturma, eğitim kodunun gerçek kayıtlara erişimi olmadan, sizin ve çözüm ortaklarınızın orijinal verilere benzer istatistiksel özelliklere sahip eğitim veri kümeleri oluşturmanıza olanak tanır. Bu yeni özellik, orijinal verilerdeki kişiler veya kuruluşlar gibi veri toplanan öznelerin kimlik bilgilerini gizleyerek modelin eğitim verilerindeki bireyler hakkındaki bilgileri ezberleme riskini azaltır. Bu durum, kampanya optimizasyonu, dolandırıcılık tespiti ve tıbbi araştırma gibi daha önce gizlilik endişeleri nedeniyle kısıtlanmış olan yeni makine öğrenimi destekli model eğitimi kullanım örneklerinin önünü açar. Örneğin, özel bir algoritmaya sahip bir hava yolu şirketi, yüksek değer sağlayan müşterilere ortak promosyonlar sunmak için bir otel markasıyla iş birliği yapmak istiyor ancak her iki kuruluş da hassas tüketici verilerini paylaşmak istemiyor. AWS Clean Rooms ML'i kullanarak ham verileri ifşa etmeden modeli eğitmek için toplu veri setlerinin sentetik bir versiyonunu oluşturabilirler. Bu sayede, müşteri gizliliğini korurken daha doğru promosyon hedeflemesi yapabilirler.
AWS Clean Rooms ML'in kullanılabildiği AWS Bölgeleri hakkında daha fazla bilgi için AWS Bölgeleri tablosuna bakın. Daha fazla bilgi için AWS Clean Rooms ML sayfasını ziyaret edin.