AWS Clean Rooms ML pour les modèles personnalisés vous permet, ainsi qu'à vos partenaires, d'entraîner et d'exécuter des inférences sur des modèles de machine learning personnalisés à grande échelle, en utilisant des ensembles de données collectifs, sans avoir à partager vos données sensibles ni votre propriété intellectuelle. Avec le lancement d'aujourd'hui, les collaborateurs peuvent configurer un nouveau contrôle de confidentialité qui envoie des résumés de journaux d'erreurs expurgés à des membres de la collaboration spécifiés. Les résumés de journaux d'erreurs incluent le type d'exception, le message d'erreur et la ligne de code où l'erreur s'est produite. Lors de l'association du modèle à la collaboration, les collaborateurs peuvent décider et convenir quels membres recevront les résumés de journaux d'erreurs et si ces résumés contiendront des informations personnelles identifiables (PII) détectables, des nombres ou des chaînes personnalisées expurgées.AWS Clean Rooms ML vous aide, ainsi qu'à vos partenaires, à appliquer des contrôles d'amélioration de la confidentialité pour protéger vos données propriétaires et vos modèles de machine learning tout en générant des informations prédictives, le tout sans partager ni copier les données brutes ou les modèles des uns et des autres. Pour plus d'informations sur les régions AWS où AWS Clean Rooms ML est disponible, consultez le tableau des régions AWS. Pour en savoir plus, visitez AWS Clean Rooms ML.