기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 훈련 데이터 공급자로 AWS Clean Rooms ML 모델 생성
<a name="working-with-machine-learning-tdp"></a>

*유사 모델*은 훈련 데이터 공급자의 데이터 모델로, 시드 데이터 공급자는 이를 통해 시드 데이터와 가장 유사한 훈련 데이터 공급자 데이터 세그먼트를 만들 수 있습니다. 공동 작업에 사용할 수 있는 유사 모델을 만들려면 훈련 데이터를 가져와서 유사 모델을 만들고 유사 모델을 구성한 다음 이를 공동 작업에 연결해야 합니다.

유사 모델을 사용하려면 훈련 데이터 공급자와 시드 데이터 공급자라는 두 당사자가 순차적으로에서 작업 AWS Clean Rooms 하여 데이터를 공동 작업으로 가져와야 합니다. 훈련 데이터 공급자가 먼저 완료해야 하는 워크플로는 다음과 같습니다.

1. 훈련 데이터 공급자의 데이터는 사용자-항목 상호 작용의 AWS Glue 데이터 카탈로그 테이블에 저장되어야 합니다. 훈련 데이터에는 최소한 사용자 ID 열, 상호 작용 ID 열 및 타임스탬프 열이 포함되어야 합니다.

1. 훈련 데이터 공급자는 훈련 데이터를에 등록합니다 AWS Clean Rooms.

1. 훈련 데이터 공급자는 여러 시드 데이터 공급자와 공유할 수 있는 유사 모델을 생성합니다. 유사 모델은 신경망이며, 훈련하는 데 최대 24시간이 걸릴 수 있습니다. 자동으로 재훈련되지 않으므로 매주 모델을 재훈련하는 것이 좋습니다.

1. 훈련 데이터 공급자는 관련성 지표 공유 여부 및 출력 세그먼트의 Amazon S3 위치를 포함하여 유사 모델을 구성합니다. 훈련 데이터 공급자는 단일 유사 모델에서 구성된 유사 모델을 여러 개 생성할 수 있습니다.

1. 훈련 데이터 공급자는 구성된 대상 모델을 시드 데이터 공급자와 공유하는 공동 작업에 연결합니다.

훈련 데이터 공급자가 ML 모델 생성을 완료한 후 [시드 데이터 공급자는 유사 세그먼트를 생성하고 내보낼 수 있습니다](working-with-machine-learning-sdp.md).

**Topics**
+ [학습 데이터 가져오기](create-ml-model-training-data.md)
+ [유사 모델 생성](create-ml-model-create-model.md)
+ [유사 모델 구성](create-ml-model-configure-model.md)
+ [구성된 유사 모델 연결](create-ml-model-associate-model.md)
+ [구성된 유사 모델 업데이트](update-ml-model-configured-model.md)

# 학습 데이터 가져오기
<a name="create-ml-model-training-data"></a>

**참고**  
Amazon S3에 데이터가 저장된 Clean Rooms ML 유사 모델에서를 사용하기 위한 훈련 데이터 세트만 제공할 수 있습니다. 그러나 지원되는 모든 데이터 소스에 저장된 데이터에서 실행되는 SQL을 사용하여 유사 모델의 시드 데이터를 제공할 수 있습니다.

유사 모델을 생성하기 전에 훈련 데이터가 포함된 AWS Glue 테이블을 지정해야 합니다. Clean Rooms ML은 이 데이터의 복사본을 저장하지 않고 데이터에 액세스할 수 있는 메타데이터만 저장합니다.

**에서 훈련 데이터를 가져오려면 AWS Clean Rooms**

1. 에 로그인 AWS Management Console 하고를 사용하여 [AWS Clean Rooms 콘솔](https://console.aws.amazon.com/cleanrooms/home)을 엽니다 AWS 계정 (아직 열지 않은 경우).

1. 왼쪽 탐색 창에서 **AWS ML 모델을** 선택합니다.

1. **훈련 데이터 세트** 탭에서 **훈련 데이터 세트 생성**을 선택합니다.

1. **훈련 데이터 세트 생성** 페이지의 **훈련 데이터 세트 세부 정보 **에 **이름**과 **설명**(선택 사항)을 입력합니다.

1. 드롭다운 목록에서 구성하려는 **데이터베이스** 및 **테이블**을 선택하여 **훈련 데이터 소스**를 선택합니다.
**참고**  
테이블이 올바른지 확인하려면 다음 중 하나를 수행합니다.  
**보기를 AWS Glue** 선택합니다.
스키마를 보려면 **스키마 보기**를 켜세요.

1. **훈련 세부 정보**의 드롭다운 목록에서 **사용자 식별자 열**, **항목 식별자 열**, **타임스탬프 열**을 선택합니다. 훈련 데이터에는 이 세 개의 열이 포함되어야 합니다. 훈련 데이터에 포함하려는 다른 열을 선택할 수도 있습니다.

   **타임스탬프 열**의 데이터는 Unix epoch 시간(초) 형식이어야 합니다.

1. (선택 사항) **훈련할 추가 열**이 있는 경우 드롭다운 목록에서 **열 이름** 및 **유형**을 선택합니다.

1. **서비스 액세스**에서 데이터에 액세스할 수 있는 서비스 역할을 지정하고 데이터가 암호화된 경우 KMS 키를 제공해야 합니다. **새 서비스 역할 생성 및 사용**을 선택하면 Clean Rooms ML에서 자동으로 서비스 역할을 생성하고 필요한 권한 정책을 추가합니다. 사용하려는 특정 서비스 역할이 있는 경우 **기존 서비스 역할 사용**을 선택하고 **서비스 역할 이름** 필드에 입력합니다.

   데이터가 암호화된 경우 **AWS KMS key** 필드에 KMS 키를 입력하거나 ** AWS KMS key생성**을 클릭하여 새 KMS 키를 생성합니다.

1. 훈련 데이터 세트의 **태그**를 사용하려면 **새 태그 추가**를 선택한 다음 **키**와 **값** 쌍을 입력합니다.

1. **훈련 데이터 세트 생성**을 선택합니다.

해당 API 작업에서 [CreateTrainingDataset](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateTrainingDataset.html)를 확인하세요.

# 유사 모델 생성
<a name="create-ml-model-create-model"></a>

훈련 데이터 세트를 만들었으면 유사 모델을 만들 준비가 된 것입니다. 단일 훈련 데이터 세트에서 유사 모델을 여러 개 만들 수 있습니다.

에서 기본 데이터베이스를 생성 AWS Glue Data Catalog 하거나 제공된 역할에 `glue:createDatabase` 권한을 포함해야 합니다.

**에서 유사 모델을 생성하려면 AWS Clean Rooms**

1. 에 로그인 AWS Management Console 하고를 사용하여 [AWS Clean Rooms 콘솔](https://console.aws.amazon.com/cleanrooms/home)을 엽니다 AWS 계정 (아직 열지 않은 경우).

1. 왼쪽 탐색 창에서 **AWS ML 모델을** 선택합니다.

1. **유사 모델** 탭에서 **유사 모델 생성**을 선택합니다.

1. **유사 모델 생성** 페이지의 **유사 모델 내보내기 세부 정보**에 **이름**과 **설명**(선택 사항)을 입력합니다.

   1. 드롭다운 목록에서 모델링하고 싶은 **훈련 데이터 세트**를 선택합니다.
**참고**  
올바른 훈련 데이터 세트인지 확인하려면 **훈련 데이터세트 세부 정보 보기**를 켜서 세부 정보를 확인합니다.  
훈련 데이터 세트를 새로 생성하려면 **훈련 데이터 세트 생성**을 선택합니다.

   1. (선택 사항) **훈련 기간**을 입력합니다.

1. 유사 모델에 대한 사용자 지정 암호화 설정을 사용하려면 **암호화 설정 사용자 지정**을 선택한 다음 KMS 키를 입력합니다.

1. 유사 모델의 **태그**를 사용하려면 **새 태그 추가**를 선택한 다음 **키**와 **값** 쌍을 입력합니다.

1. **유사 모델 생성**을 선택합니다.
**참고**  
모델 훈련에는 몇 시간에서 길게는 이틀이 걸릴 수 있습니다.

해당 API 작업에서 [CreateAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateAudienceModel.html)을 확인하세요.

# 유사 모델 구성
<a name="create-ml-model-configure-model"></a>

유사 모델이 생성되면 공동 작업에 유사 모델을 사용하기 위해 구성할 준비가 된 것입니다. 단일 유사 모델에서 구성된 유사 모델을 여러 개 생성할 수 있습니다.

**에서 유사 모델을 구성하려면 AWS Clean Rooms**

1. 에 로그인 AWS Management Console 하고를 사용하여 [AWS Clean Rooms 콘솔](https://console.aws.amazon.com/cleanrooms/home)을 엽니다 AWS 계정 (아직 열지 않은 경우).

1. 왼쪽 탐색 창에서 **AWS ML 모델을** 선택합니다.

1. **유사 모델 구성** 탭에서 **유사 모델 생성**을 선택합니다.

1. **유사 모델 구성** 페이지의 **구성된 유사 모델 세부 정보**에 **이름**과 **설명**(선택 사항)을 입력합니다.

   1. 드롭다운 목록에서 구성하고 싶은 **유사 모델**을 선택합니다.
**참고**  
올바른 유사 모델인지 확인하려면 **유사 모델 세부 정보 보기**를 켜서 세부 정보를 확인합니다.  
유사 모델을 새로 생성하려면 **유사 모델 생성**을 선택합니다.

   1. 원하는 **최소 매칭 시드 크기**를 선택합니다. 이는 시드 데이터 공급자 데이터에 있는 사용자 중 훈련 데이터의 사용자와 겹치는 최소 사용자 수입니다. 이 값은 0보다 커야 합니다.

1. **다른 구성원과 공유하기 위한 지표**에서 공동 작업의 시드 데이터 공급자가 관련성 점수를 포함한 모델 지표를 수신하도록 할지 여부를 선택합니다.

1. **유사 세그먼트 대상 위치에** 유사 세그먼트를 내보낼 Amazon S3 버킷을 입력합니다. 이 버킷은 다른 리소스와 동일한 리전에 있어야 합니다.

1. **서비스 액세스**에서 이 테이블에 액세스하는 데 사용할 **기존 서비스 역할 이름**을 선택합니다.

1. **고급 빈 크기 구성**에서 **대상 크기 유형을** **절대** 수 또는 **백분율**로 지정합니다.

1. 구성된 테이블 리소스에 대해 **태그**를 활성화하려면 **새 태그 추가**를 선택한 다음 **키**와 **값** 쌍을 입력합니다.

1. **유사 모델 구성**을 선택합니다.

해당 API 작업에서 [CreateConfiguredAudienceModel](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_CreateConfiguredAudienceModel.html)을 확인하세요.

# 구성된 유사 모델 연결
<a name="create-ml-model-associate-model"></a>

유사 모델이 구성되면 해당 모델을 공동 작업에 연결할 수 있습니다.

**에서 구성된 유사 모델을 연결하려면 AWS Clean Rooms**

1. 에 로그인 AWS Management Console 하고를 사용하여 [AWS Clean Rooms 콘솔](https://console.aws.amazon.com/cleanrooms/home)을 엽니다 AWS 계정 (아직 열지 않은 경우).

1. 왼쪽 탐색 창에서 **공동 작업**을 선택합니다.

1. **활성 멤버십 포함** 탭에서 공동 작업을 선택합니다.

1. **ML 모델** 탭의 **Ready-to-use 가능한 유사 모델에서** **유사 모델 연결을** 선택합니다.

1. **구성된 유사 모델 연결** 페이지의 **구성된 유사 모델 연결 세부 정보**에서 다음을 수행합니다.

   1. 연결된 구성 대상 모델의 **이름**을 입력합니다.

   1. 테이블의 **설명**을 입력합니다.

      설명을 입력하면 비슷한 이름을 가진 다른 연결된 구성 대상 모델을 구분하는 데 도움이 됩니다.

1. **구성된 유사 모델**의 드롭다운 목록에서 구성된 유사 모델을 선택합니다.

1. **** 연결을 선택합니다.

해당 API 작업에서 [CreateConfiguredAudienceModelAssociation](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_CreateConfiguredAudienceModelAssociation.html)을 확인하세요.

# 구성된 유사 모델 업데이트
<a name="update-ml-model-configured-model"></a>

유사 모델을 구성한 후 이를 업데이트하여 이름, 공유할 지표 또는 출력 Amazon S3 위치와 같은 정보를 변경할 수 있습니다.

**에서 연결된 구성된 유사 모델을 업데이트하려면 AWS Clean Rooms**

1. 에 로그인 AWS Management Console 하고를 사용하여 [AWS Clean Rooms 콘솔](https://console.aws.amazon.com/cleanrooms/home)을 엽니다 AWS 계정 (아직 수행하지 않은 경우).

1. 왼쪽 탐색 창에서 **AWS ML 모델을** 선택합니다.

1. **구성된 유사 모델** 탭의 **바로 사용할 수 있는 유사 모델**에서 구성된 유사 모델을 선택하고 **편집**을 선택합니다.

1. **편집** 페이지의 **구성된 유사 모델 연결 세부 정보**에서 다음을 수행합니다.

   1. **이름**과 **설명**(선택 사항)을 업데이트합니다.

   1. 드롭다운 목록에서 구성하려는 **유사 모델**을 선택합니다.

   1. 원하는 **최소 매칭 시드 크기**를 선택합니다. 이는 시드 데이터 공급자 데이터에 있는 사용자 중 훈련 데이터의 사용자와 겹치는 최소 사용자 수입니다. 이 값은 0보다 커야 합니다.

1. **다른 구성원과 공유하기 위한 지표**에서 공동 작업의 시드 데이터 공급자가 관련성 점수를 포함한 모델 지표를 수신하도록 할지 여부를 선택합니다.

1. **유사 세그먼트 대상 위치**에는 유사 세그먼트를 내보내는 Amazon S3 버킷을 입력합니다. 이 버킷은 다른 리소스와 동일한 리전에 있어야 합니다.

1. **서비스 액세스**에서 이 테이블에 액세스하는 데 사용할 **기존 서비스 역할 이름**을 선택합니다.

1. **고급 빈 크기 구성**에서 대상 빈 크기를 구성할 방법을 선택합니다.

1. **변경 사항 저장**을 선택합니다.

해당 API 작업은 [UpdateConfiguredAudienceModel](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_UpdateConfiguredAudienceModel.html)을 참조하세요.