Exemple : tâche de réglage d'hyperparamètres

Cet exemple montre comment créer un bloc-notes pour configurer et lancer une tâche de réglage d'hyperparamètres. La tâche de réglage utilise XGBoost algorithme avec Amazon SageMaker AI pour entraîner un modèle afin de prédire si un client va s'inscrire pour un dépôt bancaire à terme après avoir été contacté par téléphone.

Vous utilisez le SDK de bas niveau pour Python (Boto3) pour configurer et lancer la tâche de réglage des hyperparamètres, ainsi que pour surveiller l'état des tâches de réglage AWS Management Console des hyperparamètres. Vous pouvez également utiliser le SDK Amazon SageMaker Python de haut niveau d'Amazon SageMaker AI pour configurer, exécuter, surveiller et analyser les tâches de réglage des hyperparamètres. Pour de plus amples informations, veuillez consulter https://github.com/aws/sagemaker-python-sdk.

Prérequis

Pour exécuter le code de cet exemple, vous avez besoin de :

• Un AWS compte et un utilisateur administrateur

• Un compartiment Amazon S3 pour stocker votre jeu de données d'entraînement et les artefacts du modèle créés pendant l'entraînement

• Une instance de bloc-notes SageMaker AI en cours d'exécution

Rubriques

• Création d'une instance de bloc-notes
• Obtenez le client Amazon SageMaker AI Boto 3
• Obtenez le rôle d'exécution de l' SageMaker IA
• Utilisation d'un compartiment Amazon S3 pour les entrées et les sorties
• Téléchargement, préparation et chargement des données d'entraînement
• Configuration et lancement de la tâche de réglage des hyperparamètres
• Nettoyage