Alur kerja pekerjaan notebook

Karena pekerjaan notebook menjalankan kode kustom, Anda dapat membuat pipeline yang menyertakan satu atau beberapa langkah pekerjaan notebook. Alur kerja ML sering berisi beberapa langkah, seperti langkah pemrosesan untuk memproses data sebelumnya, langkah pelatihan untuk membangun model Anda, dan langkah evaluasi model, antara lain. Salah satu kemungkinan penggunaan pekerjaan notebook adalah untuk menangani praproses—Anda mungkin memiliki buku catatan yang melakukan transformasi atau konsumsi data, EMR langkah yang melakukan pembersihan data, dan pekerjaan notebook lain yang melakukan featurisasi input Anda sebelum memulai langkah pelatihan. Pekerjaan notebook mungkin memerlukan informasi dari langkah sebelumnya dalam pipeline atau dari kustomisasi yang ditentukan pengguna sebagai parameter di notebook input. Untuk contoh yang menunjukkan cara meneruskan variabel dan parameter lingkungan ke buku catatan Anda dan mengambil informasi dari langkah sebelumnya, lihatBerikan informasi ke dan dari langkah buku catatan Anda.

Dalam kasus penggunaan lain, salah satu pekerjaan notebook Anda mungkin memanggil buku catatan lain untuk melakukan beberapa tugas selama menjalankan notebook Anda—dalam skenario ini Anda perlu menentukan buku catatan bersumber ini sebagai dependensi dengan langkah pekerjaan notebook Anda. Untuk informasi tentang cara memanggil buku catatan lain, lihatPanggil buku catatan lain di pekerjaan notebook Anda.

Untuk melihat contoh buku catatan yang menunjukkan cara menjadwalkan pekerjaan notebook dengan SageMaker SDK Python, lihat buku catatan contoh pekerjaan notebook.