Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Blocs-notes de pilotage automatique générés pour gérer les tâches AutoML
Amazon SageMaker Autopilot gère les tâches clés d'un processus d'apprentissage automatique (AutoML) à l'aide d'une tâche AutoML. La tâche AutoML crée deux rapports basés sur des blocs-notes qui décrivent le plan suivi par Autopilot pour générer des modèles candidats.
Un modèle candidat se compose d'une paire (pipeline, algorithme). Premièrement, un bloc-notes d'exploration de données décrit ce qu'Autopilot a appris sur les données que vous avez fournies. Deuxièmement, un bloc-notes de définition de candidats utilise ces informations sur les données pour générer des candidats. Troisièmement, un rapport d'analyse de modèle qui peut aider à détailler les caractéristiques de performance du meilleur modèle dans le classement d'une expérience de pilote automatique.
Rubriques
Vous pouvez exécuter ces blocs-notes sur Amazon SageMaker, ou localement, si vous avez installé Amazon SageMaker Python SDK
-
Préprocesseurs utilisés sur les données
-
Nombre d'exécutions d'optimisation des hyperparamètres (HPO) et leur parallélisme
-
Algorithmes à essayer
-
Types d'instances utilisés pour les HPO tâches
-
Plages des hyperparamètres
Les modifications du bloc-notes de définition des candidats sont encouragées en tant qu'outil d'apprentissage. Grâce à cette capacité, vous apprenez comment les décisions prises au cours du processus de machine learning influencent vos résultats.
Note
Lorsque vous exécutez les blocs-notes dans votre instance par défaut, vous payez des coûts de référence. Toutefois, lorsque vous exécutez des HPO tâches à partir du bloc-notes des candidats, ces tâches utilisent des ressources informatiques supplémentaires qui entraînent des coûts supplémentaires.
