# Tutorial: usar um caderno do SageMaker AI com seu endpoint de desenvolvimento
<a name="dev-endpoint-tutorial-sage"></a>

 No AWS Glue, você pode criar um endpoint de desenvolvimento e, depois, criar um caderno do SageMaker AI para ajudar a desenvolver os scripts de ETL e machine learning. Um caderno do SageMaker AI é uma instância de computação de machine learning totalmente gerenciada que executa a aplicação Caderno Jupyter.

1. No console do AWS Glue, escolha **Dev endpoints** para navegar até a lista de endpoints de desenvolvimento. 

1. Marque a caixa de seleção ao lado do nome de um endpoint de desenvolvimento que você deseja usar e, no menu **Action (Ação)**, escolha **Create SageMaker notebook (Criar bloco de anotações do SageMaker)**.

1. Preencha a página **Create and configure a notebook (Criar e configurar um bloco de anotações)** da seguinte forma:

   1. Insira um nome de bloco de anotações.

   1. Em **Attach to development endpoint (Anexar ao endpoint de desenvolvimento)**, verifique o endpoint de desenvolvimento.

   1. Crie ou escolha uma função do AWS Identity and Access Management (IAM).

      A criação de uma função é recomendada. Se você usar uma função existente, verifique se ela tem as permissões necessárias. Para obter mais informações, consulte [Etapa 6: criar uma política do IAM para cadernos do SageMaker AI](create-sagemaker-notebook-policy.md).

   1. (Opcional) Escolha uma VPC, uma sub-rede e um ou mais grupos de segurança.

   1. (Opcional) Escolha uma chave de criptografia do AWS Key Management Service.

   1. (Opcional) Adicione tags para a instância do bloco de anotações.

1. Escolha **Criar caderno**. Na página **Notebooks (Blocos de anotações)**, escolha o ícone de atualização no canto superior direito e continue até que o **Status** seja `Ready`.

1. Marque a caixa de seleção ao lado do nome do novo bloco de anotações e escolha **Open notebook (Abrir bloco de anotações)**.

1. Criar um novo bloco de anotações: na página **jupyter**, escolha **New (Novo)** e **Sparkmagic (PySpark)**.

   Sua tela agora deve ser semelhante ao seguinte:  
![\[A página jupyter tem uma barra de menus, barra de ferramentas e um campo de texto amplo no qual você pode inserir instruções.\]](http://docs.aws.amazon.com/pt_br/glue/latest/dg/images/sagemaker-notebook.png)

1. (Opcional) Na parte superior da página, escolha **Untitled (Sem título)** e dê um nome ao bloco de anotações.

1. Para iniciar um aplicativo do Spark, digite o seguinte comando no bloco de anotações e, na barra de ferramentas, escolha **Run (Executar)**.

   ```
   spark
   ```

   Após um pequeno atraso, você deve ver a seguinte resposta:  
![\[A resposta do sistema mostra o status do aplicativo do Spark e envia a seguinte mensagem: SparkSession disponível como 'spark'.\]](http://docs.aws.amazon.com/pt_br/glue/latest/dg/images/spark-command-response.png)

1. Criar um quadro dinâmico e executar uma consulta: copie, cole e execute o seguinte código, que gera a contagem e o esquema da tabela `persons_json`.

   ```
   import sys
   from pyspark.context import SparkContext
   from awsglue.context import GlueContext
   from awsglue.transforms import *
   glueContext = GlueContext(SparkContext.getOrCreate())
   persons_DyF = glueContext.create_dynamic_frame.from_catalog(database="legislators", table_name="persons_json")
   print ("Count:  ", persons_DyF.count())
   persons_DyF.printSchema()
   ```