本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

Amazon SageMaker Notebook 執行個體

Amazon SageMaker 筆記本執行個體是執行 Jupyter Notebook 應用程式的機器學習 （ML） 運算執行個體。機器學習 （ML） 從業者使用 Amazon 的最佳方式之一， SageMaker 就是使用 SageMaker 筆記本執行個體訓練和部署 ML 模型。筆記本執行個體透過在 SageMakerAmazon Elastic Compute Cloud （Amazon EC2） 上啟動 Jupyter 伺服器，並提供預先設定的核心與下列套件來協助建立環境：Amazon SageMaker Python SDK、 AWS SDK for Python (Boto3)、 AWS Command Line Interface （AWS CLI）、Conda、Pandas、深度學習架構程式庫，以及其他用於資料科學和機器學習的程式庫。

在筆記本執行個體中使用 Jupyter 筆記本來：

SageMaker 也提供包含完整程式碼範例的範例筆記本。這些範例示範如何使用 SageMaker 來執行常見的 ML 任務。如需詳細資訊，請參閱存取範例筆記本。

如需使用 Amazon SageMaker 筆記本執行個體定價的相關資訊，請參閱 Amazon SageMaker Pricing 。

維護

SageMaker 至少每 90 天更新一次 Amazon SageMaker Notebook 執行個體的基礎軟體。某些維護更新 (例如作業系統升級) 可能需要您的應用程式在短時間內離線。在此期間，基礎軟體正在更新時，無法執行任何作業。建議您至少每 30 天重新啟動筆記本一次，以自動使用修補程式。

如需詳細資訊，請聯絡 https://aws.amazon.com/premiumsupport/。

使用 SageMaker Python 進行Machine Learning SDK

若要在 SageMaker 筆記本執行個體中訓練、驗證、部署和評估 ML 模型，請使用 SageMaker Python SDK。 SageMaker Python SDK 摘要 AWS SDK for Python (Boto3) 和 SageMaker API操作。它可讓您整合和協調 AWS 其他服務，例如用於儲存資料和模型成品的 Amazon Simple Storage Service （Amazon S3）、用於匯入和服務 ML 模型的 Amazon Elastic Container Registry （ECR）、用於訓練和推論的 Amazon Elastic Compute Cloud （Amazon EC2）。

您也可以利用可協助您處理完整 ML 週期每個階段 SageMaker 的功能：資料標籤、資料預先處理、模型訓練、模型部署、預測效能評估，以及監控生產中的模型品質。

如果您是第一次 SageMaker 使用 ，建議您SDK依照 end-to-end ML 教學課程使用 SageMaker Python 。若要尋找開放原始碼文件，請參閱 Amazon SageMaker Python SDK。