Tutorial untuk membangun model dengan Instance Notebook

Tutorial Memulai ini memandu Anda melalui cara membuat instance SageMaker notebook, membuka notebook Jupyter dengan kernel yang telah dikonfigurasi sebelumnya dengan lingkungan Conda untuk pembelajaran mesin, dan memulai sesi SageMaker AI untuk menjalankan siklus ML. end-to-end Anda akan mempelajari cara menyimpan kumpulan data ke bucket Amazon S3 default yang secara otomatis dipasangkan dengan SageMaker sesi AI, mengirimkan tugas pelatihan model ML ke EC2 Amazon, dan menerapkan model terlatih untuk prediksi dengan hosting atau inferensi batch melalui Amazon. EC2

Tutorial ini secara eksplisit menunjukkan alur lengkap dari pelatihan XGBoost model dari kumpulan model bawaan SageMaker AI. Anda menggunakan kumpulan data Sensus Dewasa AS, dan Anda mengevaluasi kinerja XGBoost model SageMaker AI terlatih dalam memprediksi pendapatan individu.

• SageMaker AI XGBoost — XGBoostModel ini disesuaikan dengan lingkungan SageMaker AI dan dikonfigurasikan sebelumnya sebagai wadah Docker. SageMaker AI menyediakan serangkaian algoritme bawaan yang disiapkan untuk menggunakan fitur SageMaker AI. Untuk mempelajari lebih lanjut tentang algoritme ML yang disesuaikan dengan SageMaker AI, lihat Memilih Algoritma dan Menggunakan Algoritma SageMaker Bawaan Amazon. Untuk operasi API algoritma bawaan SageMaker AI, lihat Algoritma Pihak Pertama di Amazon Python SageMaker SDK.

• Dataset Sensus Dewasa — Dataset dari database biro Sensus 1994 oleh Ronny Kohavi dan Barry Becker (Data Mining and Visualization, Silicon Graphics). XGBoost Model SageMaker AI dilatih menggunakan dataset ini untuk memprediksi apakah seseorang menghasilkan lebih dari $50.000 per tahun atau kurang.

Topik

• Buat Instans SageMaker Notebook Amazon untuk tutorial

• Buat notebook Jupyter di instance notebook SageMaker

• Siapkan kumpulan data

• Latih Model

• Terapkan model ke Amazon EC2

• Evaluasi model

• Bersihkan sumber daya instans SageMaker notebook Amazon