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.

# Scarica il client Amazon SageMaker AI Boto 3
<a name="automatic-model-tuning-ex-client"></a>

Importa Amazon SageMaker Python SDK e altre AWS SDK per Python (Boto3) librerie Python. In un nuovo notebook Jupyter, incolla il seguente codice nella prima cella:

```
import sagemaker
import boto3

import numpy as np                                # For performing matrix operations and numerical processing
import pandas as pd                               # For manipulating tabular data
from time import gmtime, strftime
import os

region = boto3.Session().region_name
smclient = boto3.Session().client('sagemaker')
```

La cella di codice precedente definisce `region` `smclient` gli oggetti che utilizzerai per richiamare l' XGBoost algoritmo integrato e impostare il processo di ottimizzazione degli iperparametri SageMaker AI.

## Fase succcessiva
<a name="automatic-model-tuning-ex-next-role"></a>

[Ottieni il ruolo di esecuzione dell'IA SageMaker](automatic-model-tuning-ex-role.md)