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.
Une instance Amazon SageMaker Notebook est une instance de calcul d'apprentissage automatique (ML) qui exécute l'application Jupyter Notebook. L'un des meilleurs moyens pour les praticiens du machine learning (ML) d'utiliser Amazon SageMaker AI consiste à former et à déployer des modèles de machine learning à l'aide d'instances de SageMaker bloc-notes. Les instances SageMaker AI Notebook aident à créer l'environnement en lançant des serveurs Jupyter sur Amazon Elastic Compute Cloud EC2 (Amazon) et en fournissant des noyaux préconfigurés avec les packages suivants : le SDK Amazon AI SageMaker Python,, AWS Command Line Interface (AWS CLI), Conda, Pandas AWS SDK for Python (Boto3), les bibliothèques de framework d'apprentissage profond et d'autres bibliothèques pour la science des données et l'apprentissage automatique.
Utilisez les blocs-notes Jupyter dans votre instance de bloc-notes pour :
-
préparer et traiter les données
-
écrire du code pour entraîner des modèles
-
déployer des modèles sur un hébergement SageMaker AI
-
testez ou validez vos modèles
SageMaker L'IA fournit également des exemples de blocs-notes contenant des exemples de code complets. Ces exemples montrent comment utiliser l' SageMaker IA pour effectuer des tâches de machine learning courantes. Pour de plus amples informations, veuillez consulter Accédez à des exemples de blocs-notes.
Pour plus d'informations sur la tarification de l'instance Amazon SageMaker Notebook, consultez Amazon SageMaker AI Pricing
Maintenance
SageMaker L'IA met à jour le logiciel sous-jacent pour les instances Amazon SageMaker Notebook au moins une fois tous les 90 jours. Certaines mises à jour de maintenance, telles que les mises à niveau du système d'exploitation, peuvent nécessiter la mise hors connexion de votre application pendant une courte période. Au cours de cette période, il n'est pas possible d'effectuer des opérations pendant la mise à jour du logiciel sous-jacent. Nous vous recommandons de redémarrer vos blocs-notes au moins une fois tous les 30 jours pour utiliser automatiquement les correctifs.
Pour plus d'informations, contactez AWS Support
Machine Learning avec le SDK SageMaker Python
Pour entraîner, valider, déployer et évaluer un modèle de machine learning dans une instance de SageMaker notebook, utilisez le SDK SageMaker Python. Les résumés du SDK SageMaker Python AWS SDK for Python (Boto3) et les opérations de SageMaker l'API. Il vous permet d'intégrer et d'orchestrer d'autres AWS services, tels qu'Amazon Simple Storage Service (Amazon S3) pour enregistrer des données et des artefacts de modèles, Amazon Elastic Container Registry (ECR) pour importer et gérer les modèles ML, Amazon Elastic Compute Cloud ( EC2Amazon) pour la formation et l'inférence.
Vous pouvez également tirer parti des fonctionnalités d' SageMaker intelligence artificielle qui vous aident à gérer chaque étape d'un cycle complet de machine learning : étiquetage des données, prétraitement des données, formation des modèles, déploiement des modèles, évaluation des performances de prédiction et surveillance de la qualité du modèle en production.
Si vous utilisez l' SageMaker IA pour la première fois, nous vous recommandons d'utiliser le SDK SageMaker Python, en suivant le didacticiel end-to-end ML. Pour accéder à la documentation open source, consultez le SDK Amazon SageMaker Python
