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 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 Sitzung verknüpft ist, einen Trainingsjob eines ML-Modells an Amazon senden und das trainierte Modell für Prognosen bereitstellenEC2, indem Sie es hosten oder Batch-Inferenzen über Amazon EC2 bereitstellen.

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