As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Criação de modelos de ML do AWS Clean Rooms como provedor de dados iniciais
Modelagem de ML para provedores de dados iniciais

Depois que o provedor de dados de treinamento terminar de criar o modelo de ML, o provedor de dados iniciais poderá criar e exportar o segmento semelhante. O segmento semelhante é um subconjunto dos dados de treinamento que mais se assemelha aos dados iniciais.

Esse é o fluxo de trabalho que o provedor de dados iniciais deve concluir:

1. Os dados do provedor de dados iniciais podem ser armazenados em um bucket do Amazon S3 ou podem vir dos resultados da consulta.

1. O provedor de dados de seed abre a colaboração que compartilha com o provedor de dados de treinamento.

1. O provedor de dados iniciais cria um segmento de semelhanças na guia Clean Rooms ML da página de colaboração. 

1. O provedor de dados de seed poderá avaliar as métricas de relevância, se elas foram compartilhadas, e exportar o segmento de semelhanças para uso fora do AWS Clean Rooms.

**Topics**
+ [

# Criação de um segmento semelhante
](create-ml-segment-create.md)
+ [

# Exportação de um segmento semelhante
](create-ml-segment-export.md)

# Criação de um segmento semelhante


**nota**  
Você só pode fornecer um conjunto de dados de treinamento para uso em um modelo semelhante ao Clean Rooms ML que tenha dados armazenados no Amazon S3. No entanto, você pode fornecer os dados iniciais para um modelo semelhante usando SQL que é executado em dados armazenados em qualquer fonte de dados compatível. 

Um segmento de semelhanças é um subconjunto dos dados de treinamento que mais se assemelha aos dados de seed.

**Para criar um segmento semelhante no AWS Clean Rooms**

1. Faça login no Console de gerenciamento da AWS e abra o [AWS Clean Rooms console](https://console.aws.amazon.com/cleanrooms/home) com seu Conta da AWS (se ainda não tiver feito isso).

1. No painel de navegação à esquerda, escolha **Colaborações**.

1. Na guia **Com associação ativa**, escolha uma colaboração.

1. Na guia **Modelos de ML**, escolha **Criar segmento semelhante.**

1. Na página **Criar segmento semelhante**, em Modelo semelhante **configurado associado, escolha o modelo semelhante** configurado associado a ser usado para esse segmento semelhante. 

   

1. Em **Detalhes do segmento de semelhanças**, insira um **nome** e uma **descrição** opcional.

   

1. Em **Perfis de propagação**, selecione o **Método de semente** selecionando uma opção e, depois, realizando a ação recomendada.    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/clean-rooms/latest/userguide/create-ml-segment-create.html)

1. Escolha o **tipo de trabalhador** a ser usado ao criar essa fonte de dados. O tipo de trabalhador padrão é **CR.1X.** Especifique o **número de trabalhadores** a serem usados. O padrão é o trabalhador número **16**. Para especificar as **propriedades do Spark:**

   1. Expanda as **propriedades do Spark**.

   1. Escolha **Adicionar propriedades do Spark**.

   1. **Na caixa de diálogo de **propriedades do Spark**, escolha um **nome de propriedade** na lista suspensa e insira um Valor.**

   A tabela a seguir fornece uma definição para cada propriedade.

   Para obter mais informações sobre as propriedades do Spark, consulte Propriedades do [Spark na documentação](https://spark.apache.org/docs/latest/configuration.html#spark-properties) do Apache Spark.     
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/clean-rooms/latest/userguide/create-ml-segment-create.html)

1. Em **Acesso ao serviço**, escolha o **Nome do perfil de serviço existente** que será usado para acessar essa tabela.

1. Se você quiser habilitar **Tags** para o conjunto de dados de treinamento, escolha **Adicionar nova tag** e insira o par de **Chave** e **Valor**. 

1. Escolha **Criar segmento de semelhanças**. 

Para ver a ação de API correspondente, consulte [StartAudienceGenerationJob](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_StartAudienceGenerationJob.html).

# Exportação de um segmento semelhante


Depois de criar um segmento de semelhanças, é possível exportar os dados para um bucket do Amazon S3.

**Para exportar um segmento semelhante em AWS Clean Rooms**

1. Faça login no Console de gerenciamento da AWS e abra o [AWS Clean Rooms console](https://console.aws.amazon.com/cleanrooms/home) com seu Conta da AWS (se ainda não tiver feito isso).

1. No painel de navegação à esquerda, escolha **Colaborações**.

1. Na guia **Com associação ativa**, escolha uma colaboração.

1. **Na guia **Modelos de ML**, selecione um segmento semelhante e escolha Exportar.**

1. Para **Exportar modelo de semelhanças**, em **Exportar detalhes do modelo de semelhanças**, insira um **Nome** e uma **Descrição** opcional.

1. Em **Tamanho do segmento**, escolha o tamanho desejado para o segmento exportado. 

1. Escolha **Exportar**. 

Para ver a ação de API correspondente, consulte [StartAudienceExportJob](https://docs.aws.amazon.com/cleanrooms-ml/latest/APIReference/API_StartAudienceExportJob.html).