Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Blog berikut menggunakan studi kasus prediksi sentimen untuk tinjauan film untuk menggambarkan proses pelaksanaan alur kerja pembelajaran mesin yang lengkap. Ini termasuk persiapan data, pemantauan pekerjaan Spark, dan pelatihan serta penerapan model ML untuk mendapatkan prediksi langsung dari notebook Studio atau Studio Classic Anda.
-
Untuk memperluas kasus penggunaan ke konfigurasi lintas akun di mana SageMaker Studio atau Studio Classic dan klaster EMR Amazon Anda digunakan di akun AWS terpisah, lihat Membuat dan mengelola klaster EMR Amazon SageMaker dari Studio atau Studio Classic untuk menjalankan beban kerja Spark dan ML interaktif
- Bagian 2.
Lihat juga:
-
Panduan konfigurasi Access Apache Livy menggunakan Network Load Balancer pada kluster Amazon EMR berkemampuan KerberOS
. -
AWS whitepaper untuk praktik terbaik SageMaker Studio atau Studio Classic.
