Vidéos : utilisation d'Autopilot pour automatiser et explorer le processus de machine learning - Amazon SageMaker

Vidéos : utilisation d'Autopilot pour automatiser et explorer le processus de machine learning

Voici une série de vidéos qui fournit un aperçu des fonctionnalités d'Amazon SageMaker Autopilot à l'aide de Studio. 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.

Démarrer une tâche AutoML avec Amazon SageMaker Autopilot

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 vous montre comment passer en revue les blocs-notes 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)

Didacticiel Amazon SageMaker Autopilot

Cette vidéo vous guide à travers une démo de bout en bout où nous créons automatiquement un modèle de classification binaire avec Amazon SageMaker Autopilot. Nous voyons comment les modèles candidats ont été créés et optimisés à l'aide de blocs-notres générés automatiquement. Nous étudions également les meilleurs candidats avec Amazon SageMaker Experiments. Enfin, nous déployons le candidat le plus performant (basé sur XGBoost) et configurons la capture de données avec SageMaker Model Monitor.