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.

# Interpretabilità su AWS
<a name="sagemaker"></a>

Puoi utilizzare istanze Jupyter gestite da Amazon SageMaker AI per installare facilmente i moduli Python tramite Conda e. `pip` [Per informazioni sui pacchetti Python per SHAP e sui metodi integrati basati sul gradiente, vedere la sezione Risorse.](resources.md) Per lavori più piccoli e test locali su un'istanza SageMaker AI Jupyter, potrebbe essere sufficiente utilizzare i metodi di questi pacchetti Python. Se utilizzi un modello gestito dall'IA, SageMaker SageMaker AI Clarify fornisce metodi pratici per avviare Kernel SHAP su un'istanza dedicata e scaricare il calcolo mentre uno sviluppatore di modelli continua a lavorare sulla propria istanza Jupyter. Per ulteriori informazioni, consulta [Create Feature Attribute](https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-feature-attribute-baselines-reports.html) Baseline and Explainability Reports nella documentazione AI. SageMaker