Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Voici une série de vidéos présentant les fonctionnalités d'Amazon SageMaker Autopilot à l'aide de Studio Classic. Elles montrent comment démarrer une tâche AutoML, analyser et prétraiter les données, comment réaliser l'ingénierie des fonctionnalités et l'optimisation des hyperparamètres sur les modèles candidats, et comment visualiser et comparer les métriques du modèle obtenues.
Rubriques
Démarrez une tâche AutoML avec Amazon Autopilot SageMaker
Cette vidéo vous montre comment démarrer une tâche AutoML avec Autopilot. (Durée : 8:41)
Passez en revue l'exploration des données et l'ingénierie des fonctionnalités automatisées dans Autopilot.
Cette vidéo explique comment consulter les carnets d'exploration des données et de définition des candidats générés par Amazon SageMaker Autopilot. (Durée : 10:04)
Réglez les modèles pour optimiser les performances
Cette vidéo vous montre comment optimiser les performances du modèle lors de l'entraînement à l'aide du réglage de l'hyperparamètre. (Durée : 4:59)
Choisissez et déployez le meilleur modèle
Cette vidéo montre comment utiliser les métriques de la tâche pour choisir le meilleur modèle, puis comment le déployer. (Durée : 5:20)
Tutoriel Amazon SageMaker Autopilot
Cette vidéo vous présente une démonstration de bout en bout dans laquelle nous créons d'abord un modèle de classification binaire automatiquement avec Amazon SageMaker Autopilot. Nous voyons comment les modèles candidats ont été créés et optimisés à l'aide de blocs-notres générés automatiquement. Nous examinons également les meilleurs candidats avec Amazon SageMaker Experiments. Enfin, nous déployons le meilleur candidat (sur la base de XGBoost) et configurons la capture des données avec SageMaker Model Monitor.
