예제: 하이퍼파라미터 튜닝 작업

이 예제에서는 하이퍼파라미터 튜닝 작업을 구성 및 시작하기 위해 새로운 노트북을 생성하는 방법을 보여줍니다. 튜닝 작업은 Amazon SageMaker AI를 사용한 XGBoost 알고리즘을 사용하여 고객이 전화 연락을 받은 후 은행 정기 예금에 가입할지를 예측하는 모델을 훈련합니다.

Python용 하위 수준 SDK(Boto3)를 사용하여 하이퍼파라미터 튜닝 작업을 구성 및 시작하고 AWS Management Console 를 사용하여 하이퍼파라미터 튜닝 작업의 상태를 모니터링합니다. Amazon SageMaker AI 상위 수준 Amazon SageMaker Python SDK를 사용하여 하이퍼파라미터 튜닝 작업을 구성, 실행, 모니터링 및 분석할 수도 있습니다. 자세한 정보는 https://github.com/aws/sagemaker-python-sdk를 참조하세요.

사전 조건

이 예제의 코드를 실행하려면 다음이 필요합니다.

• AWS 계정 및 관리자 사용자

• 훈련 데이터세트 및 훈련 중 생성된 모델 결과물을 저장할 Amazon S3 버킷

• 실행 중인 SageMaker AI 노트북 인스턴스

주제

• 노트북 인스턴스 생성

• Amazon SageMaker AI Boto 3 클라이언트 가져오기

• SageMaker AI 실행 역할 가져오기

• 입력 및 출력 시 Amazon S3 버킷 사용하기

• 훈련 데이터 다운로드, 준비 및 업로드

• 하이퍼파라미터 튜닝 작업 구성 및 시작

• 정리