As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Este tutorial de introdução explica como criar uma instância de notebook, abrir um SageMaker notebook Jupyter com um kernel pré-configurado com o ambiente Conda para aprendizado de máquina e iniciar uma sessão de SageMaker IA para executar um ciclo de ML. end-to-end Você aprenderá como salvar um conjunto de dados em um bucket padrão do Amazon S3 emparelhado automaticamente com SageMaker a sessão de IA, enviar um trabalho de treinamento de um modelo de ML para a EC2 Amazon e implantar o modelo treinado para previsão por hospedagem ou inferência em lote por meio da Amazon. EC2
Este tutorial mostra explicitamente um fluxo completo de ML de treinamento do XGBoost modelo a partir do pool de modelos integrado de SageMaker IA. Você usa o conjunto de dados do Censo de Adultos dos EUA
-
SageMaker AI XGBoost — O XGBoost
modelo é adaptado ao ambiente de SageMaker IA e pré-configurado como contêineres Docker. SageMaker A IA fornece um conjunto de algoritmos integrados que estão preparados para usar os recursos de SageMaker IA. Para saber mais sobre quais algoritmos de ML são adaptados à SageMaker IA, consulte Escolha um algoritmo e use os algoritmos SageMaker integrados da Amazon. Para as operações de API do algoritmo integrado de SageMaker IA, consulte Algoritmos primários no SDK do Amazon SageMaker Python . -
Conjunto de dados do Censo de Adultos
: O conjunto de dados do banco de dados do Censo de 1994 , de Ronny Kohavi e Barry Becker (Mineração de dados e Visualização, Gráficos do chip). O XGBoost modelo de SageMaker IA é treinado usando esse conjunto de dados para prever se um indivíduo ganha mais de $50.000 por ano ou menos.
Tópicos
