Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Buat model AWS Clean Rooms AWS sebagai penyedia data pelatihan
<a name="working-with-machine-learning-tdp"></a>

*Model mirip adalah model* data penyedia data pelatihan yang memungkinkan penyedia data benih untuk membuat segmen serupa dari data penyedia data pelatihan yang paling mirip dengan data benih mereka. Untuk membuat model mirip yang dapat digunakan dalam kolaborasi, Anda harus mengimpor data pelatihan Anda, membuat model mirip, mengonfigurasi model yang mirip, dan kemudian mengaitkannya dengan kolaborasi. 

Bekerja dengan model yang mirip mengharuskan dua pihak, penyedia data pelatihan dan penyedia data benih, bekerja secara berurutan AWS Clean Rooms untuk membawa data mereka ke dalam kolaborasi. Ini adalah alur kerja yang harus diselesaikan oleh penyedia data pelatihan terlebih dahulu:

1. Data penyedia data pelatihan harus disimpan dalam tabel katalog AWS Glue data interaksi item pengguna. Minimal, data pelatihan harus berisi kolom ID pengguna, kolom ID interaksi, dan kolom stempel waktu.

1. Penyedia data pelatihan mendaftarkan data pelatihan dengan AWS Clean Rooms.

1. Penyedia data pelatihan membuat model mirip yang dapat dibagikan dengan beberapa penyedia data benih. Model mirip adalah jaringan saraf dalam yang dapat memakan waktu hingga 24 jam untuk dilatih. Ini tidak dilatih ulang secara otomatis dan kami sarankan Anda melatih ulang model setiap minggu.

1. Penyedia data pelatihan mengonfigurasi model yang mirip, termasuk apakah akan berbagi metrik relevansi dan lokasi Amazon S3 dari segmen keluaran. Penyedia data pelatihan dapat membuat beberapa model mirip yang dikonfigurasi dari satu model mirip.

1. Penyedia data pelatihan mengaitkan model audiens yang dikonfigurasi dengan kolaborasi yang dibagikan dengan penyedia data benih.

Setelah penyedia data pelatihan selesai membuat model ML, [penyedia data benih dapat membuat dan mengekspor segmen yang mirip](working-with-machine-learning-sdp.md).

**Topics**
+ [Mengimpor data pelatihan](create-ml-model-training-data.md)
+ [Membuat model yang mirip](create-ml-model-create-model.md)
+ [Mengkonfigurasi model yang mirip](create-ml-model-configure-model.md)
+ [Mengaitkan model mirip yang dikonfigurasi](create-ml-model-associate-model.md)
+ [Memperbarui model mirip yang dikonfigurasi](update-ml-model-configured-model.md)

# Mengimpor data pelatihan
<a name="create-ml-model-training-data"></a>

**catatan**  
Anda hanya dapat menyediakan kumpulan data pelatihan untuk digunakan dalam model mirip Clean Rooms ML. yang memiliki data yang disimpan di Amazon S3. Namun, Anda dapat menyediakan data benih untuk model mirip menggunakan SQL yang berjalan di seluruh data yang disimpan dalam sumber data yang didukung. 

Sebelum Anda membuat model mirip, Anda harus menentukan AWS Glue tabel yang berisi data pelatihan. Clean Rooms ML tidak menyimpan salinan data ini, hanya metadata yang memungkinkannya mengakses data.

**Untuk mengimpor data pelatihan di AWS Clean Rooms**

1. Masuk ke Konsol Manajemen AWS dan buka [AWS Clean Rooms konsol](https://console.aws.amazon.com/cleanrooms/home) dengan Anda Akun AWS (jika Anda belum melakukannya).

1. Di panel navigasi kiri, pilih **model AWS ML**.

1. Pada tab **Kumpulan data Pelatihan, pilih Buat kumpulan** **data pelatihan**.

1. **Pada halaman **Buat kumpulan data pelatihan**, untuk **detail kumpulan data Pelatihan**, masukkan **Nama** dan Deskripsi opsional.**

1. Pilih **sumber data Pelatihan** dengan memilih **Database** dan **Tabel** yang ingin Anda konfigurasi dari daftar dropdown.
**catatan**  
Untuk memverifikasi bahwa ini adalah tabel yang benar, lakukan salah satu dari yang berikut:  
Pilih **Lihat di AWS Glue**.
Aktifkan **Lihat skema** untuk melihat skema.

1. Untuk **detail Pelatihan**, pilih kolom **Pengenal pengguna, kolom pengenal** **item, dan kolom** **Timestamp dari daftar tarik-turun**. Data pelatihan harus berisi tiga kolom ini. Anda juga dapat memilih kolom lain yang ingin Anda sertakan dalam data pelatihan.

   Data di **kolom Timestamp** harus dalam waktu epoch Unix dalam format detik.

1. (Opsional) Jika Anda memiliki **kolom Tambahan untuk dilatih**, pilih **nama Kolom** dan **Ketik** dari daftar dropdown.

1. Dalam **akses Layanan**, Anda harus menentukan peran layanan yang dapat mengakses data Anda dan memberikan kunci KMS jika data Anda dienkripsi. Pilih **Buat dan gunakan peran layanan baru** dan Clean Rooms akan secara otomatis membuat peran layanan dan menambahkan kebijakan izin yang diperlukan. Pilih **Gunakan peran layanan yang ada** dan masukkan di bidang **Nama peran layanan** jika Anda memiliki peran layanan tertentu yang ingin Anda gunakan.

   Jika data Anda dienkripsi, masukkan kunci KMS Anda di **AWS KMS key**bidang, atau klik **Buat AWS KMS key** untuk menghasilkan kunci KMS baru.

1. Jika Anda ingin mengaktifkan **Tag** untuk kumpulan data pelatihan, pilih **Tambahkan tag baru** lalu masukkan pasangan **Kunci** dan **Nilai**. 

1. Pilih **Buat kumpulan data pelatihan**. 

Untuk tindakan API terkait, lihat [CreateTrainingDataset](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateTrainingDataset.html).

# Membuat model yang mirip
<a name="create-ml-model-create-model"></a>

Setelah Anda membuat kumpulan data pelatihan, Anda siap untuk membuat model yang mirip. Anda dapat membuat banyak model mirip dari satu kumpulan data pelatihan.

Anda harus membuat database default di AWS Glue Data Catalog atau menyertakan `glue:createDatabase` izin dalam peran yang disediakan.

**Untuk membuat model yang mirip di AWS Clean Rooms**

1. Masuk ke Konsol Manajemen AWS dan buka [AWS Clean Rooms konsol](https://console.aws.amazon.com/cleanrooms/home) dengan Anda Akun AWS (jika Anda belum melakukannya).

1. Di panel navigasi kiri, pilih **model AWS ML**.

1. Pada tab **Lookalike models**, pilih **Create lookalike** model.

1. **Pada halaman **Buat model mirip, untuk detail model** **Lookalike**, masukkan **Nama** dan Deskripsi opsional.**

   1. Pilih **kumpulan data Pelatihan** yang ingin Anda modelkan dari daftar tarik-turun.
**catatan**  
Untuk memverifikasi bahwa ini adalah kumpulan data pelatihan yang benar, aktifkan **Tampilkan detail kumpulan data pelatihan untuk melihat detailnya**.  
Untuk membuat kumpulan data pelatihan baru, pilih **Buat kumpulan data pelatihan**.

   1. (Opsional) Masukkan **jendela Pelatihan**.

1. Jika Anda ingin mengaktifkan pengaturan enkripsi khusus untuk model yang mirip, pilih **Sesuaikan pengaturan enkripsi** dan kemudian masukkan kunci KMS.

1. Jika Anda ingin mengaktifkan **Tag** untuk model mirip, pilih **Tambahkan tag baru** dan kemudian masukkan pasangan **Kunci** dan **Nilai**. 

1. Pilih **Buat model yang mirip**. 
**catatan**  
Pelatihan model dapat memakan waktu beberapa jam hingga 2 hari.

Untuk tindakan API terkait, lihat [CreateAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateAudienceModel.html).

# Mengkonfigurasi model yang mirip
<a name="create-ml-model-configure-model"></a>

Setelah Anda membuat model yang mirip, Anda siap mengonfigurasinya untuk digunakan dalam kolaborasi. Anda dapat membuat beberapa model mirip yang dikonfigurasi dari satu model mirip.

**Untuk mengonfigurasi model yang mirip di AWS Clean Rooms**

1. Masuk ke Konsol Manajemen AWS dan buka [AWS Clean Rooms konsol](https://console.aws.amazon.com/cleanrooms/home) dengan Anda Akun AWS (jika Anda belum melakukannya).

1. Di panel navigasi kiri, pilih **model AWS ML**.

1. Pada tab **Configurated lookalike models**, pilih **Configure lookalike** model.

1. **Pada halaman **Configure lookalike model**, untuk **detail model mirip Configurated**, masukkan **Nama** dan Deskripsi opsional.**

   1. Pilih **model Lookalike** yang ingin Anda konfigurasikan dari daftar dropdown.
**catatan**  
Untuk memverifikasi bahwa ini adalah model mirip yang benar, aktifkan **Tampilkan detail model yang mirip untuk melihat detailnya**.  
Untuk membuat model mirip baru, pilih **Buat** model mirip mirip.

   1. Pilih **ukuran benih pencocokan minimum** yang Anda inginkan. Ini adalah jumlah minimum pengguna dalam data penyedia data benih yang tumpang tindih dengan pengguna dalam data pelatihan. Nilai ini harus lebih besar dari 0.

1. Agar **Metrik dapat dibagikan dengan anggota lain**, pilih apakah Anda ingin penyedia data benih dalam kolaborasi Anda menerima metrik model, termasuk skor relevansi. 

1. Untuk **lokasi tujuan segmen Lookalike**, masukkan bucket Amazon S3 tempat segmen mirip mirip diekspor. Bucket ini harus terletak di wilayah yang sama dengan sumber daya Anda yang lain.

1. Untuk **akses Layanan**, pilih **nama peran layanan yang ada** yang akan digunakan untuk mengakses tabel ini.

1. Untuk **konfigurasi ukuran nampan lanjutan**, tentukan **jenis ukuran Audiens** sebagai nomor **Absolut** atau **Persentase**.

1. Jika Anda ingin mengaktifkan **Tag** untuk sumber daya tabel yang dikonfigurasi, pilih **Tambahkan tag baru** lalu masukkan pasangan **Kunci** dan **Nilai**. 

1. Pilih **Konfigurasikan model yang mirip**. 

Untuk tindakan API terkait, lihat [CreateConfiguredAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateConfiguredAudienceModel.html).

# Mengaitkan model mirip yang dikonfigurasi
<a name="create-ml-model-associate-model"></a>

Setelah Anda mengonfigurasi model yang mirip, Anda dapat mengaitkannya dengan kolaborasi.

**Untuk mengaitkan model mirip yang dikonfigurasi di AWS Clean Rooms**

1. Masuk ke Konsol Manajemen AWS dan buka [AWS Clean Rooms konsol](https://console.aws.amazon.com/cleanrooms/home) dengan Anda Akun AWS (jika Anda belum melakukannya).

1. Di panel navigasi kiri, pilih **Kolaborasi**.

1. Pada tab **Dengan keanggotaan aktif**, pilih kolaborasi.

1. Pada tab **model ML**, di bawah **R model mirip, pilih **Associate eady-to-use lookalike** model**.

1. Pada halaman **model mirip yang dikonfigurasi Associate, untuk detail asosiasi model** **mirip yang Dikonfigurasi**:

   1. Masukkan **Nama** untuk model audiens yang dikonfigurasi terkait.

   1. Masukkan **Deskripsi** tabel. 

      Deskripsi membantu membedakan antara model audiens terkonfigurasi terkait lainnya dengan nama yang mirip.

1. Untuk **model mirip yang dikonfigurasi, pilih model mirip** yang dikonfigurasi dari daftar tarik-turun.

1. Pilih **Kaitkan**. 

Untuk tindakan API terkait, lihat [CreateConfiguredAudienceModelAssociation](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_CreateConfiguredAudienceModelAssociation.html).

# Memperbarui model mirip yang dikonfigurasi
<a name="update-ml-model-configured-model"></a>

Setelah mengaitkan model mirip yang dikonfigurasi, Anda dapat memperbaruinya untuk mengubah informasi seperti nama, metrik yang akan dibagikan, atau menampilkan lokasi Amazon S3.

**Untuk memperbarui model mirip mirip yang dikonfigurasi terkait di AWS Clean Rooms**

1. Masuk ke Konsol Manajemen AWS dan buka [AWS Clean Rooms konsol](https://console.aws.amazon.com/cleanrooms/home) dengan Anda Akun AWS (jika Anda belum melakukannya).

1. Di panel navigasi kiri, pilih **model AWS ML**.

1. **Pada tab **Configurated lookalike models**, di bawah model mirip, pilih **model Ready-to-use mirip** yang dikonfigurasi dan pilih Edit.**

1. Pada halaman **Edit**, untuk detail **asosiasi model mirip yang Dikonfigurasi**: 

   1. Perbarui **Nama** dan **Deskripsi** opsional.

   1. Pilih **model Lookalike** yang ingin Anda konfigurasi dari daftar dropdown.

   1. Pilih **ukuran benih pencocokan minimum** yang Anda inginkan. Ini adalah jumlah minimum pengguna dalam data penyedia data benih yang tumpang tindih dengan pengguna dalam data pelatihan. Nilai ini harus lebih besar dari 0.

1. Agar **Metrik dapat dibagikan dengan anggota lain**, pilih apakah Anda ingin penyedia data benih dalam kolaborasi Anda menerima metrik model, termasuk skor relevansi. 

1. Untuk **lokasi tujuan segmen Lookalike**, masukkan bucket Amazon S3 tempat segmen mirip diekspor. Bucket ini harus terletak di wilayah yang sama dengan sumber daya Anda yang lain.

1. Untuk **akses Layanan**, pilih **nama peran layanan yang ada** yang akan digunakan untuk mengakses tabel ini.

1. Untuk **konfigurasi ukuran tempat sampah lanjutan**, pilih cara Anda ingin mengonfigurasi ukuran tempat sampah audiens.

1. Pilih **Simpan perubahan**. 

Untuk tindakan API terkait, lihat [UpdateConfiguredAudienceModel](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_UpdateConfiguredAudienceModel.html).