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.
Tutoriel pour créer des modèles avec des instances Notebook
Ce didacticiel de mise en route explique comment créer une instance de SageMaker bloc-notes, ouvrir un bloc-notes Jupyter avec un noyau préconfiguré dans l'environnement Conda pour l'apprentissage automatique et démarrer une SageMaker session pour exécuter un cycle ML. end-to-end Vous apprendrez à enregistrer un ensemble de données dans un compartiment Amazon S3 par défaut automatiquement associé à la SageMaker session, à soumettre une tâche de formation sur un modèle de ML à Amazon EC2 et à déployer le modèle entraîné à des fins de prédiction par hébergement ou par inférence par lots via AmazonEC2.
Ce didacticiel montre explicitement un flux ML complet d'entraînement du XGBoost modèle à partir du pool de modèles SageMaker intégré. Vous utilisez l'ensemble de données du recensement des adultes des États-Unis
-
SageMakerXGBoost— Le XGBoost
modèle est adapté à l' SageMaker environnement et préconfiguré sous forme de conteneurs Docker. SageMakerfournit une suite d'algorithmes intégrés préparés pour utiliser les SageMaker fonctionnalités. Pour en savoir plus sur les algorithmes de machine learning adaptés SageMaker, consultez Choisir un algorithme et utiliser les algorithmes SageMaker intégrés d'Amazon. Pour les API opérations d'algorithme SageMaker intégrées, consultez Algorithmes de première partie dans Amazon SageMaker Python SDK . -
Jeu de données du recensement des adultes
– Jeu de données de la base de données du Bureau du recensement de 1994 par Ronny Kohavi et Barry Becker (Data Mining and Visualization, Silicon Graphics). Le SageMaker XGBoost modèle est entraîné à l'aide de cet ensemble de données pour prédire si un individu gagne plus de 50 000$ par an ou moins.
Rubriques
