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.
Pré-processe dados e treine um modelo de aprendizado de máquina com a Amazon AI SageMaker
Este exemplo de projeto demonstra como usar a SageMaker IA, AWS Step Functions pré-processar dados e treinar um modelo de aprendizado de máquina.
Nesse projeto, o Step Functions usa uma função do Lambda para propagar um bucket do Amazon S3 com um conjunto de dados de teste e um script do Python para processamento de dados. Em seguida, ele treina um modelo de aprendizado de máquina e executa uma transformação em lote, usando a integração de serviços de SageMaker IA.
Para obter mais informações sobre as integrações de serviços de SageMaker AI e Step Functions, consulte o seguinte:
nota
Este projeto de exemplo pode incorrer em cobranças.
Para novos AWS usuários, um nível de uso gratuito está disponível. Neste nível, os serviços são gratuitos abaixo de um determinado nível de uso. Para obter mais informações sobre AWS custos e o nível gratuito, consulte Preços de SageMaker IA
Etapa 1: Criar a máquina de estado
-
Abra o console do Step Functions
e clique em Criar máquina de estado. -
Encontre e escolha o modelo inicial com o qual você deseja trabalhar. Escolha Próximo para continuar.
-
Escolha Executar uma demonstração para criar um ready-to-deploy fluxo de trabalho e somente leitura, ou escolha Criar nele para criar uma definição de máquina de estado editável na qual você possa criar e implantar posteriormente.
-
Escolha Usar modelo para continuar com a seleção.
As próximas etapas dependem da escolha anterior:
-
Faça uma demonstração — Você pode revisar a máquina de estado antes de criar um projeto somente para leitura com recursos implantados pelo AWS CloudFormation seu. Conta da AWS
É possível visualizar a definição da máquina de estado e, quando estiver tudo pronto, escolher Implantar e executar para implantar o projeto e criar os recursos.
A implantação pode demorar até dez minutos para criar recursos e permissões. É possível usar o link do ID da pilha para monitorar o andamento no AWS CloudFormation.
Após a conclusão da implantação, você deverá ver a nova máquina de estado no console.
-
Comece a criar: é possível revisar e editar a definição do fluxo de trabalho. Talvez seja necessário definir valores para espaços reservados no projeto de exemplo antes de tentar executar o fluxo de trabalho personalizado.
nota
Cobranças padrão podem ser aplicadas aos serviços implantados na conta.
Etapa 2: Executar a máquina de estado
Na página Máquinas de estado, escolha seu projeto de exemplo.
Na página do projeto de exemplo, escolha Iniciar execução.
Na caixa de diálogo Iniciar execução, faça o seguinte:
-
(Opcional) Insira um nome de execução personalizado para substituir o padrão gerado.
ASCIINão-nomes e registro
Step Functions aceita nomes para máquinas de estado, execuções, atividades e rótulos que não contenham ASCII caracteres. Como esses caracteres não funcionarão com a Amazon CloudWatch, recomendamos usar somente ASCII caracteres para que você possa acompanhar as métricas CloudWatch.
-
(Opcional) Na caixa Entrada, insira os valores de entrada comoJSON. É possível ignorar essa etapa se estiver executando uma demonstração.
-
Selecione Iniciar execução.
O console do Step Functions direcionará você para uma página Detalhes da execução, na qual você pode escolher estados em Visualização do gráfico para explorar informações relacionadas no painel Detalhes da etapa.
-
Parabéns!
Agora você deve ter uma demonstração em execução ou uma definição de máquina de estado que possa ser personalizada.
