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.
Uma instância de SageMaker notebook da Amazon é uma instância computacional de aprendizado de máquina (ML) que executa o aplicativo Jupyter Notebook. Uma das melhores maneiras de os profissionais de machine learning (ML) usarem a Amazon SageMaker AI é treinar e implantar modelos de ML usando instâncias de SageMaker notebook. As instâncias do SageMaker notebook ajudam a criar o ambiente iniciando os servidores Jupyter no Amazon Elastic Compute Cloud (Amazon EC2) e fornecendo kernels pré-configurados com os seguintes pacotes: Amazon SageMaker Python SDK,, AWS Command Line Interface (AWS CLI), Conda, Pandas AWS SDK for Python (Boto3), bibliotecas de estruturas de aprendizado profundo e outras bibliotecas para ciência de dados e aprendizado de máquina.
Use os cadernos Jupyter em sua instância de caderno para:
-
preparar e processar dados;
-
escrever código para treinar modelos;
-
implantar modelos SageMaker na hospedagem
-
Testar ou validar os modelos
SageMaker A IA também fornece exemplos de cadernos que contêm exemplos de código completos. Esses exemplos mostram como usar a SageMaker IA para realizar tarefas comuns de ML. Para obter mais informações, consulte Cadernos de exemplo de acesso.
Para obter informações sobre preços com a instância de SageMaker notebook da Amazon, consulte Amazon SageMaker Pricing
Manutenção
SageMaker A IA atualiza o software subjacente para Amazon SageMaker Notebook Instances pelo menos uma vez a cada 90 dias. Algumas atualizações de manutenção, como atualizações do sistema operacional, podem exigir que sua aplicação fique offline por um curto período de tempo. Não é possível realizar nenhuma operação durante esse período enquanto o software subjacente está sendo atualizado. Recomendamos que você reinicie seus cadernos pelo menos uma vez a cada 30 dias para consumir automaticamente os patches.
Para obter mais informações, entre em contato com o AWS Support
Machine Learning com o SageMaker Python SDK
Para treinar, validar, implantar e avaliar um modelo de ML em uma instância de SageMaker notebook, use o SDK do SageMaker Python. Os resumos AWS SDK for Python (Boto3) e as operações de SageMaker API do SDK do Python. SageMaker Ele permite que você integre e orquestre outros AWS serviços, como o Amazon Simple Storage Service (Amazon S3), para salvar dados e artefatos de modelos, o Amazon Elastic Container Registry (ECR), para importar e fazer a manutenção dos modelos de ML, e o Amazon Elastic Compute Cloud (Amazon), para treinamento e inferência. EC2
Você também pode aproveitar os recursos de SageMaker IA que ajudam você a lidar com cada estágio de um ciclo completo de ML: rotulagem de dados, pré-processamento de dados, treinamento de modelos, implantação de modelos, avaliação do desempenho de previsão e monitoramento da qualidade do modelo em produção.
Se você é um usuário de SageMaker IA pela primeira vez, recomendamos que você use o SDK do SageMaker Python, seguindo end-to-end o tutorial de ML. Para encontrar a documentação de código aberto, consulte o Amazon SageMaker Python
