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.

Amazon SageMaker Notebook-Instances

Eine SageMaker Amazon-Notebook-Instance ist eine Recheninstanz für maschinelles Lernen (ML), auf der die Jupyter Notebook-Anwendung ausgeführt wird. Eine der besten Möglichkeiten für Machine-Learning-Experten (ML), Amazon SageMaker AI zu nutzen, besteht darin, ML-Modelle mithilfe von SageMaker Notebook-Instances zu trainieren und bereitzustellen. Die SageMaker KI-Notebook-Instances helfen bei der Erstellung der Umgebung, indem sie Jupyter-Server auf Amazon Elastic Compute Cloud (Amazon EC2) initiieren und vorkonfigurierte Kernel mit den folgenden Paketen bereitstellen: das Amazon SageMaker AI Python SDK,, AWS Command Line Interface (AWS CLI), Conda, Pandas AWS SDK for Python (Boto3), Deep-Learning-Framework-Bibliotheken und andere Bibliotheken für Datenwissenschaft und maschinelles Lernen.

Verwenden Sie Jupyter-Notebooks in Ihrer Notebook-Instance, um:

SageMaker AI stellt auch Beispielnotizbücher zur Verfügung, die vollständige Codebeispiele enthalten. Diese Beispiele zeigen, wie SageMaker KI verwendet werden kann, um allgemeine ML-Aufgaben zu erledigen. Weitere Informationen finden Sie unter Rufen Sie Beispiel-Notizbücher auf.

Informationen zur Preisgestaltung mit Amazon SageMaker Notebook-Instance finden Sie unter Amazon SageMaker AI-Preise.

Wartung

SageMaker KI aktualisiert die zugrunde liegende Software für Amazon SageMaker Notebook Instances mindestens einmal alle 90 Tage. Bei einigen Wartungsupdates, wie z. B. Betriebssystem-Upgrades, muss Ihre Anwendung möglicherweise für einen kurzen Zeitraum offline geschaltet werden. Während dieses Zeitraums können keine Operationen ausgeführt werden, während die zugrunde liegende Software aktualisiert wird. Wir empfehlen, Ihre Notebooks mindestens einmal alle 30 Tage neu zu starten, damit Patches automatisch verwendet werden.

Für weitere Informationen wenden Sie sich an AWS -Support.

Machine Learning mit dem SageMaker Python-SDK

Verwenden Sie das SageMaker Python-SDK, um ein ML-Modell in einer SageMaker Notebook-Instanz zu trainieren, zu validieren, bereitzustellen und zu evaluieren. Die SageMaker Python-SDK-Abstraktionen AWS SDK for Python (Boto3) und SageMaker API-Operationen. Sie können damit andere AWS Services integrieren und orchestrieren, wie Amazon Simple Storage Service (Amazon S3) zum Speichern von Daten und Modellartefakten, Amazon Elastic Container Registry (ECR) für den Import und die Wartung der ML-Modelle, Amazon Elastic Compute Cloud (Amazon EC2) für Training und Inferenz.

Sie können auch SageMaker KI-Funktionen nutzen, die Ihnen helfen, jede Phase eines vollständigen ML-Zyklus zu bewältigen: Datenkennzeichnung, Datenvorverarbeitung, Modelltraining, Modellbereitstellung, Bewertung der Prognoseleistung und Überwachung der Modellqualität in der Produktion.

Wenn Sie SageMaker KI zum ersten Mal verwenden, empfehlen wir Ihnen, das SageMaker Python-SDK zu verwenden, indem Sie dem end-to-end ML-Tutorial folgen. Die Open-Source-Dokumentation finden Sie im Amazon SageMaker Python SDK.