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。
使用笔记本实例构建模型的教程
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，以及如何启动运行机器学习周期的 SageMaker 会话。 end-to-end您将学习如何将数据集保存到与会 SageMaker话自动配对的默认 Amazon S3 存储桶中，向 Amazon 提交机器学习模型的训练作业EC2，以及如何通过 Amazon 托管或批量推理来部署经过训练的模型进行预测。EC2
本教程明确显示了从 SageMaker 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
-
SageMakerXGBoost— XGBoost
模型适应 SageMaker 环境并预配置为 Docker 容器。 SageMaker提供了一套为使用 SageMaker 功能做好准备的内置算法。要详细了解机器学习算法适用于什么 SageMaker，请参阅选择算法并使用 Amazon SageMaker 内置算法。有关 SageMaker 内置算法的API操作，请参阅 Amaz SageMaker on Python SDK 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）。使用此数据集对 SageMaker XGBoost模型进行训练，以预测个人年收入是否超过50,000美元或更少。
主题
