Videos: Automatisieren und Erkunden des Machine Learning-Prozesses mit Autopilot - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Videos: Automatisieren und Erkunden des Machine Learning-Prozesses mit Autopilot

Hier ist eine Videoserie, die eine Tour durch Amazon bietet SageMaker Autopilot-Funktionen mit Studio. Die Videos zeigen, wie Sie eine AutoML-Aufgabe starten, Daten analysieren und vorverarbeiten, Feature-Engineering und Hyperparameteroptimierung bei Kandidatenmodellen durchführen und wie Sie die resultierenden Modellmetriken visualisieren und vergleichen.

Starten einer AutoML-Aufgabe mit Amazon SageMaker Autopilot

Dieses Video zeigt Ihnen, wie Sie eine AutoML-Aufgabe mit Autopilot starten. (Länge: 8:41)

Informieren Sie sich über die automatisierte Datenexploration und das automatisierte Feature-Engineering in Autopilot.

Dieses Video zeigt Ihnen, wie Sie die von Amazon generierten Notebooks für Datenexploration und Kandidatendefinitionen überprüfen SageMaker Autopilot (Länge: 10:04)

Optimieren von Modellen zur Optimierung der Leistung

Dieses Video zeigt Ihnen, wie Sie die Modellleistung während des Trainings durch Hyperparameteroptimierung optimieren können. (Länge: 4:59)

Auswählen und Bereitstellen des besten Modells

Dieses Video zeigt Ihnen, wie Sie Aufgabenmetriken zum Wählen des besten Modells verwenden und dieses anschließend bereitstellen. (Länge: 5:20)

Amazon SageMaker Autopilot

Dieses Video führt Sie durch eine durchgängige Demo, bei der wir zuerst automatisch ein binäres Klassifizierungsmodell mit Amazon erstellen SageMaker Autopilot Wir sehen, wie Kandidatenmodelle mit automatisch generierten Notebooks erstellt und optimiert wurden. Wir betrachten auch die Top-Kandidaten mit Amazon. SageMaker Experimente Abschließend stellen wir den Top-Kandidaten (basierend auf XGBoost) bereit und konfigurieren die Datenerfassung mit SageMaker Model Monitor.