Entrenamiento automático de modelos en su flujo de datos

Puede usar Amazon SageMaker Autopilot para entrenar, ajustar e implementar modelos automáticamente a partir de los datos que ha transformado en su flujo de datos. Amazon SageMaker Autopilot puede utilizar varios algoritmos y utilizar el que mejor funcione con sus datos. Para obtener más información sobre Amazon SageMaker Autopilot, consulteSageMaker Piloto automático.

Cuando entrena y ajusta un modelo, Data Wrangler exporta sus datos a una ubicación de Amazon S3 a la que Amazon SageMaker Autopilot puede acceder a ellos.

Para preparar e implementar un modelo, elija un nodo en el flujo de Data Wrangler y elija Exportar y entrenar en la vista previa de los datos. Puede utilizar este método para ver su conjunto de datos antes de decidir entrenar un modelo con él.

También puede entrenar e implementar un modelo directamente desde su flujo de datos.

El siguiente procedimiento prepara e implementa un modelo a partir del flujo de datos. En el caso de los flujos de Data Wrangler con transformaciones de varias filas, no puede utilizar las transformaciones del flujo de Data Wrangler al implementar el modelo. Puede utilizar el siguiente procedimiento para procesar los datos antes de utilizarlos para realizar una inferencia.

Para entrenar e implementar un modelo directamente desde el flujo de datos, haga lo siguiente.

1. Seleccione el signo + situado junto al nodo que contiene los datos de entrenamiento.

2. Elija el Modelo de entrenamiento.

3. (Opcional) Especifique una AWS KMS clave o un ID. Para obtener más información sobre la creación y el control de claves criptográficas para proteger sus datos, consulte AWS Key Management Service.

4. Elija Exportar y entrena.

5. Después de que Amazon SageMaker Autopilot entrene el modelo con los datos que exportó Data Wrangler, especifique un nombre para el nombre del experimento.

6. En Introducir datos, selecciona Vista previa para comprobar que Data Wrangler ha exportado correctamente los datos a Amazon SageMaker Autopilot.

7. En Destino, elija la columna de destino.

8. De forma opcional, en la Ubicación de S3 en Datos de salida, puede especificar una ubicación de Amazon S3 distinta de la ubicación predeterminada.

9. Elija Siguiente: método de entrenamiento.

10. Elija un método de entrenamiento. Para obtener más información, consulte Modelos de entrenamiento.

11. De forma opcional, en Implementación automática de punto de conexión, puede especificar un nombre para el punto de conexión.

12. En Opción de implementación, elija un método de implementación. Puede optar por realizar la implementación con o sin las transformaciones que ha realizado en sus datos.

    importante

    No puede implementar un modelo de Amazon SageMaker Autopilot con las transformaciones que ha realizado en su flujo de Data Wrangler. Para obtener más información sobre esas transformaciones, consulte Exportación a un punto de conexión de inferencia.

13. Elija Siguiente: revisar y crear.

14. Elija Create experiment (Crear experimento).

Para obtener más información acerca el entrenamiento del modelo y la implementación, consulte Cree trabajos de regresión o clasificación para datos tabulares mediante el AutoML API. El piloto automático le muestra análisis sobre el rendimiento del mejor modelo. Para obtener más información sobre el rendimiento del modelo, consulte Vea un informe de rendimiento del modelo de piloto automático.