Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Preprocese los datos y entrene un modelo de aprendizaje automático con Amazon AI SageMaker
Este ejemplo de proyecto demuestra cómo utilizar la SageMaker IA AWS Step Functions para preprocesar los datos y entrenar un modelo de aprendizaje automático.
En este proyecto, Step Functions utiliza una función de Lambda para iniciar un bucket de Amazon S3 con un conjunto de datos de prueba y un script de Python para el procesamiento de datos. A continuación, entrena un modelo de aprendizaje automático y realiza una transformación por lotes mediante la integración del servicio de SageMaker IA.
Para obtener más información sobre las integraciones de los servicios SageMaker AI y Step Functions, consulte lo siguiente:
nota
Este proyecto de muestra puede generar cargos.
Para AWS los nuevos usuarios, hay disponible un nivel de uso gratuito. En esta capa, los servicios son gratuitos por debajo de determinado nivel de uso. Para obtener más información sobre AWS los costes y la capa gratuita, consulta los precios de SageMaker IA
Paso 1: Crear la máquina de estado
-
Abra la consola de Step Functions
y seleccione Crear máquina de estado. -
Busca y elige la plantilla de inicio con la que quieres trabajar. Elija Siguiente para continuar.
-
Elija Ejecutar una demostración para crear un ready-to-deploy flujo de trabajo y de solo lectura, o elija Construir a partir de ella para crear una definición de máquina de estados editable sobre la que pueda crear y luego implementar.
-
Elija Utilizar plantilla para continuar con la selección.
Los siguientes pasos dependen de su elección anterior:
-
Realice una demostración: puede revisar la máquina de estados antes de crear un proyecto de solo lectura con los recursos desplegados por usted. AWS CloudFormation Cuenta de AWS
Puede ver la definición de la máquina de estado y, cuando esté listo, seleccione Implementar y ejecutar para implementar el proyecto y crear los recursos.
El recurso y los permisos pueden tardar hasta 10 minutos en crearse. Puede usar el enlace de ID de pila para monitorear el progreso en AWS CloudFormation.
Una vez completada la implementación, debería ver su nueva máquina de estado en la consola.
-
Cree a partir de ella: puede revisar y editar la definición del flujo de trabajo. Es posible que tenga que establecer valores para los marcadores de posición en el proyecto de ejemplo antes de intentar ejecutar su flujo de trabajo personalizado.
nota
Es posible que se apliquen cargos estándar por los servicios implementados en su cuenta.
Paso 2: Ejecutar la máquina de estado
En la página Máquina de estado, elija su proyecto de muestra.
En la página del proyecto de muestra, seleccione Iniciar ejecución.
En el cuadro de diálogo Iniciar ejecución, haga lo siguiente:
-
(Opcional) Introduzca un nombre de ejecución personalizado para anular el valor predeterminado generado.
ASCIINombres no identificados y registro
Step Functions acepta nombres para máquinas de estados, ejecuciones, actividades y etiquetas que no contengan ASCII caracteres. Como estos personajes no funcionan con Amazon CloudWatch, te recomendamos que utilices solo ASCII caracteres para poder hacer un seguimiento de las métricas CloudWatch.
-
(Opcional) En el cuadro de entrada, introduce los valores de entrada comoJSON. Puede omitir este paso si ejecuta una demostración.
-
Seleccione Iniciar ejecución.
La consola Step Functions lo dirigirá a una página de detalles de ejecución en la que puede elegir estados en la vista de gráficos para explorar la información relacionada en el panel Detalles del paso.
-
¡Enhorabuena!
Ahora debería disponer de una demostración en ejecución o de una definición de máquina de estado que pueda personalizar.
