Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Personalizzazione di Amazon Nova su SageMaker Training Jobs SageMaker Training Jobs è un ambiente che consente di addestrare modelli di machine learning su larga scala. Forniscono e scalano automaticamente le risorse di calcolo, caricano i dati di addestramento da fonti come Amazon S3, eseguono il codice di addestramento e archiviano gli artefatti dei modelli risultanti. Lo scopo dell’addestramento è personalizzare il modello di base di Amazon Nova utilizzando dati proprietari. Il processo di formazione prevede in genere passaggi per preparare i dati, scegliere una [ricetta](nova-model-recipes.md), modificare i parametri di configurazione nei file YAML e inviare un lavoro di formazione. Il processo di addestramento genera un checkpoint del modello addestrato in un bucket Amazon S3 gestito dal servizio. È possibile utilizzare la posizione di questo checkpoint per processi di valutazione. La personalizzazione di Nova sui lavori di formazione sull' SageMaker intelligenza artificiale archivia gli artefatti del modello in un bucket Amazon S3 gestito dal servizio. Gli artefatti nel bucket gestito dal servizio sono crittografati con chiavi KMS gestite dall'intelligenza artificiale. SageMaker I bucket Amazon S3 gestiti dal servizio attualmente non supportano la crittografia dei dati tramite chiavi KMS gestite dal cliente. Per le best practice, consulta [Best practice](nova-forge-sft.md#best-practices). **Topics** + [SDK Nova Forge](nova-forge-sdk.md) + [Ottimizza Nova 1.0](nova-fine-tune-1.md) + [Distillazione Amazon Nova](nova-distillation.md) + [Ottimizzazione diretta delle preferenze (DPO)](nova-dpo-smtj.md) + [Monitoraggio dei progressi tra le iterazioni](nova-model-monitor.md) + [Valutazione del modello basato sull' SageMaker intelligenza artificiale](nova-model-evaluation.md)