本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
本入门教程将引导你了解如何创建 SageMaker 笔记本实例，使用预先配置的内核打开 Jupyter 笔记本并使用 Conda 环境进行机器学习，以及如何启动 SageMaker AI 会话以运行机器学习周期。 end-to-end您将学习如何将数据集保存到与 A SageMaker I 会话自动配对的默认 Amazon S3 存储桶中，如何向 Amazon 提交机器学习模型的训练作业 EC2，以及如何通过亚马逊托管或批量推理来部署经过训练的模型进行预测。 EC2
本教程明确展示了从 SageMaker AI 内置模型池训练 XGBoost 模型的完整机器学习流程。您使用美国成人人口普查数据集
-
SageMaker AI XGBoost — XGBoost
模型适用于 SageMaker 人工智能环境，并预配置为 Docker 容器。 SageMaker AI 提供了一套为使用 SageMaker AI 功能做好准备的内置算法。要详细了解哪些机器学习算法适用于 SageMaker 人工智能，请参阅选择算法并使用 Amazon SageMaker 内置算法。有关 SageMaker 人工智能内置算法 API 的操作，请参阅 A maz SageMaker on Python 软件开发工具包 中的第一方算法 。 -
Adult Census 数据集
– 由 Ronny Kohavi 和 Barry Becker 创作的 1994 Census bureau 数据库 中的数据集（数据挖掘和可视化，Silicon Graphics）。使用此数据集训练 SageMaker 人工智能 XGBoost 模型，以预测个人年收入是否超过50,000美元或更少。
主题
