기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
노트북 인스턴스를 사용하여 모델을 빌드하기 위한 자습서
이 시작하기 자습서에서는 SageMaker 노트북 인스턴스를 생성하고, 기계 학습을 위한 Conda 환경이 있는 사전 구성된 커널이 있는 Jupyter 노트북을 열고, 세션을 시작하여 ML 주기를 SageMaker 실행하는 방법을 안내합니다 end-to-end. 세션과 SageMaker 자동으로 페어링된 기본 Amazon S3 버킷에 데이터 세트를 저장하고, ML 모델의 훈련 작업을 Amazon 에 제출하고EC2, Amazon 를 통해 호스팅 또는 배치 추론을 통해 예측을 위해 훈련된 모델을 배포하는 방법을 알아봅니다EC2.
이 자습서에서는 SageMaker 기본 제공 XGBoost 모델 풀에서 모델을 학습시키는 전체 ML 흐름을 명시적으로 보여줍니다. 미국 성인 인구 조사 데이터 세트
-
SageMaker XGBoost – 이 XGBoost
모델은 SageMaker 환경에 맞게 조정되고 Docker 컨테이너로 사전 구성됩니다. SageMaker 는 SageMaker 기능을 사용할 수 있도록 준비된 내장 알고리즘 제품군을 제공합니다. 에 맞게 조정된 ML 알고리즘에 대한 자세한 내용은 알고리즘 선택 및 Amazon SageMaker 기본 제공 알고리즘 사용을 SageMaker참조하세요. SageMaker 기본 제공 알고리즘 API 작업은 Amazon SageMaker Python SDK 의 First-Party 알고리즘 을 참조하세요. -
성인 인구 조사 데이터 집합
- Ronny Kohavi와 Barry Becker(데이터 마이닝 및 시각화, Silicon Graphics)가 작성한1994년 인구조사국 데이터베이스 의 데이터 집합입니다. 이 SageMaker XGBoost 모델은 이 데이터 세트를 사용하여 개인이 연간 50,000달러를 초과하는지 여부를 예측하도록 훈련됩니다.
주제
