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.
Notebook con pilota automatico generati per gestire le attività di AutoML
Amazon SageMaker Autopilot gestisce le attività chiave in un processo di apprendimento automatico (AutoML) utilizzando un processo AutoML. Il processo AutoML crea tre report basati su notebook che descrivono il piano seguito da Autopilot per generare modelli candidati.
Un modello candidato è costituito da una coppia (pipeline, algoritmo). In primo luogo, è disponibile un notebook per l'esplorazione dei dati, che descrive ciò che Autopilot ha imparato sui dati che hai fornito. In secondo luogo, è disponibile un notebook di definizione dei candidati, che utilizza le informazioni sui dati per generare candidati. In terzo luogo, un report di informazioni del modello che può aiutare a dettagliare le caratteristiche prestazionali del modello migliore nella classifica di un esperimento Autopilot.
Argomenti
Puoi eseguire questi notebook in Amazon SageMaker AI o localmente, se hai installato l'SDK Amazon Python SageMaker
-
i preprocessori utilizzati sui dati
-
il numero di esecuzioni di ottimizzazione degli iperparametri (HPO) e il loro parallelismo
-
gli algoritmi da provare
-
i tipi di istanza utilizzati per i processi HPO
-
gli intervalli degli iperparametri
Le modifiche al notebook della definizione di candidati sono consigliate come strumento di apprendimento. Questa funzionalità consente di conoscere l'impatto delle decisioni prese durante il processo di machine learning sui risultati.
Nota
Quando si eseguono i notebook nell'istanza predefinita, si devono sostenere dei costi di base. Tuttavia, quando si eseguono lavori HPO dal notebook del candidato, questi processi utilizzano risorse di elaborazione aggiuntive che comportano costi aggiuntivi.
