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 Algorithme XGBoost 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 AWS SDK for Python (Boto) de bas niveau pour configurer et lancer la tâche de réglage des hyperparamètres, et la AWS Management Console pour contrôler le statut des tâches de réglage d'hyperparamètres. Vous pouvez également utiliser le kit SDK Amazon SageMaker pour Python de haut niveau pour configurer, exécuter, surveiller et analyser les tâches de réglage d'hyperparamètres. Pour plus d'informations, consultez https://github.com/aws/sagemaker-python-sdk.

Prerequisites

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

• Un compte AWS 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 en cours d'exécution

Rubriques

• Création d'un Notebook
• Obtenir un client Amazon SageMaker Boto 3
• Obtenir le rôle d'exécution SageMaker
• Spécifier un compartiment S3 pour télécharger des jeux de données d'entraînement et stocker des données de sortie
• Téléchargement, préparation et chargement des données d'entraînement
• Configuration et lancement de la tâche de réglage des hyperparamètres
• Surveillance de la progression d'une tâche de réglage des hyperparamètres
• Nettoyage