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.
Tutorial para criar modelos com instâncias de caderno
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 de ponta a ponta. Você aprenderá a salvar um conjunto de dados em um bucket padrão do Amazon S3 automaticamente emparelhado com a sessão de SageMaker IA, enviar um trabalho de treinamento de um modelo de ML para o Amazon EC2 e implantar o modelo treinado para previsão por meio de hospedagem ou inferência em lote por meio do Amazon EC2.
Este tutorial mostra explicitamente um fluxo completo de ML de treinamento do modelo XGBoost a partir do pool de modelos incorporado de SageMaker IA. Você usa o conjunto de dados do Censo de Adultos dos
-
SageMaker AI XGBoost — O modelo
XGBoost 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 SageMaker Built-in algoritmos da Amazon. Para as operações de API do algoritmo integrado de SageMaker IA, consulte First-Party Algoritmos no Amazon SageMaker Python SDK . -
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 modelo SageMaker AI XGBoost é treinado usando esse conjunto de dados para prever se um indivíduo ganha mais de $50.000 por ano ou menos.
Tópicos
