Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

Cuadernos de ejemplo

Modo de enfoque
Cuadernos de ejemplo - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Para step-by-step ver ejemplos sobre cómo utilizar los modelos de JumpStart bases disponibles públicamente con el SageMaker Python En el SDK, consulte los siguientes cuadernos sobre la generación de texto, la generación de imágenes y la personalización de modelos.

nota

Los modelos básicos patentados y JumpStart disponibles públicamente tienen una IA diferente SageMaker Python Flujos de trabajo de implementación del SDK. Descubra ejemplos de cuadernos patentados con modelos básicos a través de Amazon SageMaker Studio Classic o la consola SageMaker AI. Para obtener más información, consulte JumpStart uso del modelo básico.

Puede clonar el repositorio de ejemplos de Amazon SageMaker AI para ejecutar los ejemplos de modelos JumpStart básicos disponibles en el entorno de Jupyter que prefiera en Studio. Para obtener más información sobre las aplicaciones que puede utilizar para crear Jupyter en SageMaker IA y acceder a él, consulte. Aplicaciones compatibles con Amazon SageMaker Studio

Previsión de serie temporal

Puede utilizar los modelos de Chronos para realizar previsiones de datos de series temporales. Se basan en la arquitectura del modelo de lenguaje. Utilice el cuaderno Introducción a SageMaker JumpStart la predicción de series temporales con Chronos para empezar.

Para obtener más información sobre los modelos de Chronos disponibles, consulte Modelos fundacionales disponibles.

Generación de texto

Explore cuadernos de ejemplo de generación de texto, que incluyen orientación sobre los flujos de trabajo generales de generación de texto, la clasificación de textos multilingües, la inferencia por lotes en tiempo real, el aprendizaje rápido, las interacciones con los chatbots y más.

Generación de imágenes

Comience con los modelos text-to-image Stable Diffusion, aprenda a implementar un modelo para pintar y experimente con un flujo de trabajo sencillo para generar imágenes de su perro.

Personalización de modelos

A veces, su caso de uso requiere una mayor personalización del modelo fundacional para tareas específicas. Para obtener más información sobre los enfoques de personalización de modelos, consulte Personalización de modelos fundacionales o explore uno de los siguientes cuadernos de ejemplo.

PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.