Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Créez des modèles AWS Clean Rooms ML en tant que fournisseur de données de formation
<a name="working-with-machine-learning-tdp"></a>

Un modèle de *similarité* est un modèle de données d'un fournisseur de données de formation qui permet à un fournisseur de données de départ de créer un segment similaire des données du fournisseur de données de formation qui ressemble le plus à ses données de départ. Pour créer un modèle de similarité utilisable dans une collaboration, vous devez importer vos données de formation, créer un modèle de similarité, configurer ce modèle de similarité, puis l'associer à une collaboration. 

L'utilisation de modèles similaires nécessite que deux parties, un fournisseur de données de formation et un fournisseur de données de départ, travaillent de manière séquentielle AWS Clean Rooms pour intégrer leurs données dans une collaboration. Voici le flux de travail que le fournisseur de données de formation doit effectuer en premier :

1. Les données du fournisseur de données de formation doivent être stockées dans une table de catalogue de AWS Glue données répertoriant les interactions entre les utilisateurs et les éléments. Les données d'entraînement doivent au minimum contenir une colonne d'ID utilisateur, une colonne d'identifiant d'interaction et une colonne d'horodatage.

1. Le fournisseur de données de formation enregistre les données de formation auprès de AWS Clean Rooms.

1. Le fournisseur de données de formation crée un modèle similaire qui peut être partagé avec plusieurs fournisseurs de données initiales. Le modèle similaire est un réseau neuronal profond dont l'entraînement peut prendre jusqu'à 24 heures. Il n'est pas automatiquement réentraîné et nous vous recommandons de le réentraîner chaque semaine.

1. Le fournisseur de données de formation configure le modèle de similarité, notamment en indiquant s'il convient de partager les indicateurs de pertinence et l'emplacement des segments de sortie sur Amazon S3. Le fournisseur de données de formation peut créer plusieurs modèles similaires configurés à partir d'un seul modèle similaire.

1. Le fournisseur de données de formation associe le modèle d'audience configuré à une collaboration partagée avec un fournisseur de données de départ.

Une fois que le fournisseur de données de formation a fini de créer le modèle ML, [le fournisseur de données de départ peut créer et exporter le segment similaire.](working-with-machine-learning-sdp.md)

**Topics**
+ [Importation de données d'entraînement](create-ml-model-training-data.md)
+ [Création d'un modèle similaire](create-ml-model-create-model.md)
+ [Configuration d'un modèle similaire](create-ml-model-configure-model.md)
+ [Associer un modèle de similarité configuré](create-ml-model-associate-model.md)
+ [Mise à jour d'un modèle similaire configuré](update-ml-model-configured-model.md)

# Importation de données d'entraînement
<a name="create-ml-model-training-data"></a>

**Note**  
Vous pouvez uniquement fournir un ensemble de données d'entraînement à utiliser dans un modèle similaire à Clean Rooms ML dont les données sont stockées dans Amazon S3. Toutefois, vous pouvez fournir les données de départ d'un modèle similaire à l'aide de SQL qui analyse les données stockées dans n'importe quelle source de données prise en charge. 

Avant de créer un modèle similaire, vous devez spécifier la AWS Glue table contenant les données d'entraînement. Clean Rooms ML ne stocke pas de copie de ces données, mais uniquement des métadonnées qui lui permettent d'accéder aux données.

**Pour importer des données d'entraînement dans AWS Clean Rooms**

1. Connectez-vous à la [AWS Clean Rooms console AWS Management Console et ouvrez-la](https://console.aws.amazon.com/cleanrooms/home) avec votre Compte AWS (si ce n'est pas encore fait).

1. Dans le volet de navigation de gauche, choisissez **AWS ML models**.

1. Dans l'onglet **Ensembles de données d'entraînement**, choisissez **Créer un jeu de données d'entraînement**.

1. Sur la page **Créer un jeu de données d'entraînement**, pour les **détails du jeu de données d'entraînement**, entrez un **nom** et une **description** facultative.

1. Choisissez la **source de données d'entraînement** en sélectionnant la **base de données** et la **table** que vous souhaitez configurer dans les listes déroulantes.
**Note**  
Pour vérifier que ce tableau est correct, effectuez l'une des opérations suivantes :  
Choisissez **Afficher dans AWS Glue**.
Activez **Afficher le schéma** pour afficher le schéma.

1. Pour les **détails de la formation**, choisissez la **colonne Identifiant utilisateur, la colonne** **Identifiant de l'article et la colonne** **Horodatage dans** les listes déroulantes. Les données d'entraînement doivent contenir ces trois colonnes. Vous pouvez également sélectionner les autres colonnes que vous souhaitez inclure dans les données d'entraînement.

   Les données de la **colonne Horodatage** doivent être au format Unix Epoch en secondes.

1. (Facultatif) Si vous avez **des colonnes supplémentaires à entraîner**, choisissez le **nom et le **type** de colonne** dans les listes déroulantes.

1. Dans **Accès aux services**, vous devez spécifier un rôle de service qui peut accéder à vos données et fournir une clé KMS si vos données sont chiffrées. Choisissez **Créer et utiliser un nouveau rôle de service** et Clean Rooms ML créera automatiquement un rôle de service et ajoutera la politique d'autorisation nécessaire. Choisissez **Utiliser un rôle de service existant** et saisissez-le dans le champ **Nom du rôle** de service si vous souhaitez utiliser un rôle de service spécifique.

   Si vos données sont chiffrées, entrez votre clé KMS dans le **AWS KMS key**champ ou cliquez sur **Créer une AWS KMS key** pour générer une nouvelle clé KMS.

1. Si vous souhaitez activer les **balises** pour le jeu de données d'entraînement, choisissez **Ajouter une nouvelle balise**, puis entrez la paire ****clé/valeur****. 

1. Choisissez **Créer un jeu de données d'entraînement**. 

Pour l'action d'API correspondante, consultez [CreateTrainingDataset](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateTrainingDataset.html).

# Création d'un modèle similaire
<a name="create-ml-model-create-model"></a>

Après avoir créé un jeu de données d'entraînement, vous êtes prêt à créer un modèle similaire. Vous pouvez créer de nombreux modèles similaires à partir d'un seul jeu de données d'entraînement.

Vous devez créer une base de données par défaut dans votre rôle AWS Glue Data Catalog ou inclure l'`glue:createDatabase`autorisation dans le rôle fourni.

**Pour créer un modèle similaire dans AWS Clean Rooms**

1. Connectez-vous à la [AWS Clean Rooms console AWS Management Console et ouvrez-la](https://console.aws.amazon.com/cleanrooms/home) avec votre Compte AWS (si ce n'est pas encore fait).

1. Dans le volet de navigation de gauche, choisissez **AWS ML models**.

1. Dans l'**onglet Modèles similaires**, choisissez **Créer un modèle similaire.**

1. **Sur la page **Créer un modèle similaire**, pour les **détails du modèle similaire**, entrez un **nom et une description** facultative.**

   1. Choisissez le **jeu de données d'entraînement** que vous souhaitez modéliser dans la liste déroulante.
**Note**  
Pour vérifier qu'il s'agit du bon jeu de données d'entraînement, activez **Afficher les détails du jeu de données d'entraînement** pour afficher les détails.  
Pour créer un nouveau jeu de données d'entraînement, choisissez **Créer un jeu de données d'entraînement**.

   1. (Facultatif) Entrez dans une **fenêtre d'entraînement**.

1. Si vous souhaitez activer les paramètres de chiffrement personnalisés pour le modèle similaire, choisissez **Personnaliser les paramètres de chiffrement**, puis entrez la clé KMS.

1. Si vous souhaitez activer les **balises** pour le modèle similaire, choisissez **Ajouter une nouvelle balise**, puis entrez la paire ****clé/valeur****. 

1. Choisissez **Créer un modèle similaire.** 
**Note**  
La formation des modèles peut prendre de plusieurs heures à deux jours.

Pour l'action d'API correspondante, consultez [CreateAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateAudienceModel.html).

# Configuration d'un modèle similaire
<a name="create-ml-model-configure-model"></a>

Après avoir créé un modèle similaire, vous êtes prêt à le configurer pour une utilisation dans le cadre d'une collaboration. Vous pouvez créer plusieurs modèles similaires configurés à partir d'un seul modèle similaire.

**Pour configurer un modèle similaire dans AWS Clean Rooms**

1. Connectez-vous à la [AWS Clean Rooms console AWS Management Console et ouvrez-la](https://console.aws.amazon.com/cleanrooms/home) avec votre Compte AWS (si ce n'est pas encore fait).

1. Dans le volet de navigation de gauche, choisissez **AWS ML models**.

1. Dans l'onglet **Modèles similaires configurés**, choisissez **Configurer le modèle similaire.**

1. **Sur la page **Configurer le modèle similaire**, pour les **détails du modèle similaire configuré**, entrez un **nom et une description** facultative.**

   1. Choisissez le **modèle Lookalike** que vous souhaitez configurer dans la liste déroulante.
**Note**  
Pour vérifier qu'il s'agit du bon modèle similaire, activez **Afficher les détails du modèle similaire pour afficher les détails**.  
Pour créer un nouveau modèle similaire, choisissez **Créer un modèle similaire.**

   1. Choisissez la **taille de graine minimale correspondante** que vous souhaitez. Il s'agit du nombre minimum d'utilisateurs dans les données du fournisseur de données de départ qui se chevauchent avec les utilisateurs dans les données de formation. Cette valeur doit être supérieure à 0.

1. Pour que **les métriques soient partagées avec d'autres membres**, choisissez si vous souhaitez que le fournisseur de données de base de votre collaboration reçoive les métriques du modèle, y compris les scores de pertinence. 

1. Pour l'**emplacement de destination du segment similaire**, entrez le compartiment Amazon S3 dans lequel le segment similaire est exporté. Ce compartiment doit être situé dans la même région que vos autres ressources.

1. Pour **l'accès au service**, choisissez le **nom du rôle de service existant** qui sera utilisé pour accéder à cette table.

1. Pour la **configuration avancée de la taille des bacs**, spécifiez le **type de taille de l'audience** sous la forme d'un nombre **absolu** ou d'un **pourcentage**.

1. Si vous souhaitez activer les **balises** pour la ressource de table configurée, choisissez **Ajouter une nouvelle balise**, puis entrez la paire ****clé/valeur****. 

1. Choisissez **Configurer le modèle similaire.** 

Pour l'action d'API correspondante, consultez [CreateConfiguredAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateConfiguredAudienceModel.html).

# Associer un modèle de similarité configuré
<a name="create-ml-model-associate-model"></a>

Après avoir configuré un modèle similaire, vous pouvez l'associer à une collaboration.

**Pour associer un modèle similaire configuré dans AWS Clean Rooms**

1. Connectez-vous à la [AWS Clean Rooms console AWS Management Console et ouvrez-la](https://console.aws.amazon.com/cleanrooms/home) avec votre Compte AWS (si ce n'est pas encore fait).

1. Dans le volet de navigation de gauche, sélectionnez **Collaborations**.

1. Dans l'onglet **Avec adhésion active**, choisissez une collaboration.

1. Dans l'onglet **Modèles ML**, sous **Modèles eady-to-use similaires R**, choisissez **Associer un modèle similaire.**

1. Sur la page **Associer un modèle similaire configuré**, pour les détails de l'**association du modèle similaire configuré** :

   1. Entrez un **nom** pour le modèle d'audience configuré associé.

   1. Entrez une **description** de la table. 

      La description permet de différencier les autres modèles d'audience configurés associés portant des noms similaires.

1. Pour **Modèle similaire configuré, choisissez un modèle** similaire configuré dans la liste déroulante.

1. Choisissez **Associer**. 

Pour l'action d'API correspondante, consultez [CreateConfiguredAudienceModelAssociation](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_CreateConfiguredAudienceModelAssociation.html).

# Mise à jour d'un modèle similaire configuré
<a name="update-ml-model-configured-model"></a>

Après avoir associé un modèle similaire configuré, vous pouvez le mettre à jour pour modifier des informations telles que le nom, les métriques à partager ou la position Amazon S3 en sortie.

**Pour mettre à jour un modèle similaire configuré associé dans AWS Clean Rooms**

1. Connectez-vous à la [AWS Clean Rooms console AWS Management Console et ouvrez-la](https://console.aws.amazon.com/cleanrooms/home) avec votre Compte AWS (si ce n'est pas encore fait).

1. Dans le volet de navigation de gauche, choisissez **AWS ML models**.

1. **Dans l'onglet **Modèles similaires configurés**, sous **Modèles Ready-to-use similaires**, choisissez un modèle similaire configuré et sélectionnez Modifier.**

1. Sur la page **Modifier**, pour les **détails de l'association de modèles similaires configurés** : 

   1. Mettez à jour le **nom** et la **description** facultative.

   1. Choisissez le **modèle Lookalike** que vous souhaitez configurer dans la liste déroulante.

   1. Choisissez la **taille de graine minimale correspondante** que vous souhaitez. Il s'agit du nombre minimum d'utilisateurs dans les données du fournisseur de données de départ qui se chevauchent avec les utilisateurs dans les données de formation. Cette valeur doit être supérieure à 0.

1. Pour que **les métriques soient partagées avec d'autres membres**, choisissez si vous souhaitez que le fournisseur de données de base de votre collaboration reçoive les métriques du modèle, y compris les scores de pertinence. 

1. Pour l'**emplacement de destination du segment Lookalike**, entrez le compartiment Amazon S3 dans lequel le segment Lookalike est exporté. Ce compartiment doit être situé dans la même région que vos autres ressources.

1. Pour **l'accès au service**, choisissez le **nom du rôle de service existant** qui sera utilisé pour accéder à cette table.

1. Pour la **configuration avancée de la taille des bacs**, choisissez la manière dont vous souhaitez configurer les tailles des bacs d'audience.

1. Sélectionnez **Enregistrer les modifications**. 

Pour l'action d'API correspondante, consultez [UpdateConfiguredAudienceModel](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_UpdateConfiguredAudienceModel.html).