Tutorial zum Erstellen von Modellen mit Notebook-Instances - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Tutorial zum Erstellen von Modellen mit Notebook-Instances

In diesem Tutorial „Erste Schritte“ erfahren Sie, wie Sie eine SageMaker Notebook-Instance erstellen, ein Jupyter-Notebook mit einem vorkonfigurierten Kernel mit der Conda-Umgebung für maschinelles Lernen öffnen und eine SageMaker KI-Sitzung starten, um einen ML-Zyklus auszuführen. end-to-end Sie erfahren, wie Sie einen Datensatz in einem standardmäßigen Amazon S3 S3-Bucket speichern, der automatisch mit der SageMaker KI-Sitzung gekoppelt ist, einen Trainingsjob eines ML-Modells an Amazon senden und das trainierte Modell für Vorhersagen bereitstellen EC2, indem Sie es hosten oder Batch-Inferenzen über Amazon EC2 durchführen.

In diesem Tutorial wird explizit ein vollständiger ML-Flow gezeigt, bei dem das XGBoost Modell aus dem in SageMaker KI integrierten Modellpool trainiert wird. Sie verwenden den Datensatz der US-Volkszählung für Erwachsene und bewerten die Leistung des trainierten SageMaker XGBoost KI-Modells bei der Vorhersage des Einkommens von Einzelpersonen.