SageMaker IA da Amazon

Guia do Desenvolvedor

O que é Amazon SageMaker AI?
Configurando a SageMaker IA
ML automatizado, sem código ou com baixo código
- SageMaker Piloto automático
  Crie Trabalhos de Regressão ou Classificação com a API do AutoML
  Formato dos conjuntos de dados e tipos de problemas
  Modos e algoritmos de treinamento
  Métricas e validação
  Implantação e predição de modelos
  Implantar modelos para inferência em tempo real
  Execução de trabalhos de inferência em lote
  visualizar detalhes do modelo
  Visualizar o relatório de desempenho do modelo
  Cadernos gerados
  Relatório de exploração de dados
  Encontre e execute o caderno de definição do candidato
  Configurar saída de inferência
  Crie um trabalho de classificação de imagens usando a API AutoML
  Formato dos conjuntos de dados e métrica objetiva
  Implantação de modelos do Autopilot
  Relatório de explicabilidade
  Relatório de desempenho do modelo
  Crie um trabalho de Classificação de Texto com a API do AutoML
  Formato dos conjuntos de dados e métrica objetiva
  Implantação de modelos do Autopilot para Previsão
  Relatório de Explicabilidade
  Relatório de desempenho do modelo
  Crie um trabalho de previsão de séries temporais com a API do AutoML
  Formato dos conjuntos de dados e métodos de preenchimento de valores ausentes
  Calendários de feriados nacionais
  Métricas objetivas
  Algoritmos
  Implantação de modelos e previsões
  Previsão em tempo real
  Previsão em lote
  Caderno de exploração de dados
  Relatórios gerados
  Limites de recursos de previsão de séries temporais
  Crie um trabalho de ajuste do LLM usando a API AutoML
  Modelos compatíveis
  Tipos de arquivo de conjunto de dados e formato de dados de entrada
  Hiperparâmetros
  Métricas
  Implantação do modelo e predições
  Crie um Trabalho de Regressão ou Classificação com a interface do usuário do Studio Classic
  Configurar os parâmetros padrão de um experimento do Autopilot (para administradores)
  Cadernos de exemplo
  Vídeos
  Tutoriais
  Cotas
  Referência da API
- SageMaker JumpStart
  Modelos de base
  Modelos disponíveis
  Uso do modelo de base
  Studio
  Ajustar um modelo no Studio
  Implantar um modelo no Studio
  Avaliar um modelo no Studio
  Use seus SageMaker JumpStart modelos no Amazon Bedrock
  Studio Classic
  SageMaker Python SDK
  Ajustar um modelo público
  Implantar um modelo público
  Implantar um modelo proprietário
  SageMaker Console de IA
  Licenças
  Personalização do modelo
  Engenharia rápida
  Ajuste
  Ajustar um modelo usando adaptação de domínio
  Ajustar um modelo com prompts rápidos
  geração aumentada via recuperação
  Avaliar um modelo
  Cadernos de exemplo
  Controle de acesso
  Guia de administrador
  Criar um hub de modelo privado
  Adicionar modelos a um hub privado
  Atualizar recursos em um hub privado
  Compartilhamento entre contas
  Configurar o compartilhamento de hub entre contas
  Excluir modelos de um hub privado
  Restrinja o acesso JumpStart a modelos fechados
  Remover o acesso ao hub de modelos SageMaker públicos
  Excluir um hub privado
  Solução de problemas
  Guia do usuário
  Acesse modelos de hub selecionados
  Ajuste os modelos de hub selecionados
  Studio Classic
  Modelos específicos de tarefas
  Implantar um modelo
  Ajuste um modelo
  Compartilhe modelos
  Modelos e cadernos compartilhados
  Compartilhamento de modelos e cadernos
  Acesse o conteúdo compartilhado
  Adicionar um modelo
  Adicione informações básicas
  Habilitar treinamento
  Habilitar a implantação
  Adicionar um caderno
  Modelos de soluções
  Lance uma solução
  SageMaker JumpStart Setor: Financeiro
Ambientes de aprendizado de máquina oferecidos pela Amazon SageMaker AI
Rotulagem de dados com um human-in-the-loop
Preparar dados
Processamento de trabalhos
Crie, armazene e compartilhe atributos
Reserve capacidade com planos SageMaker de treinamento
Treinamento de modelos
Implantar modelos para inferência
Implementar MLOps
Monitoramento de qualidade de dados e modelo
Avalie, explique e detecte vieses nos modelos
Governança do modelo
Contêineres do Docker para treinamento e implantação de modelos
Configure a segurança na Amazon SageMaker AI
Algoritmos e pacotes no AWS Marketplace
Ferramentas para monitorar os AWS recursos provisionados ao usar o Amazon AI SageMaker
Referência

Amazon SageMaker

Documentação
Amazon SageMaker
Guia do Desenvolvedor

Encerre a instância do Amazon SageMaker Debugger Insights

PDF

RSS

Modo de foco

Encerre a instância do Amazon SageMaker Debugger Insights - SageMaker IA da Amazon

Documentação Amazon SageMaker Guia do Desenvolvedor

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Quando você não estiver usando o painel do SageMaker Debugger Insights, você deve desligar a instância do aplicativo para evitar taxas adicionais.

Para desligar a instância do aplicativo SageMaker Debugger Insights no Studio Classic

Uma captura de tela animada que mostra como desligar uma instância do painel do SageMaker Debugger Insights.

No Studio Classic, selecione o ícone Instâncias e kernels em execução ( ).
Na lista APLICAÇÕES EM EXECUÇÃO, procure a aplicação sagemaker-debugger-1.0. Selecione o ícone de encerramento ( ) ao lado da aplicação. Os painéis do SageMaker Debugger Insights são executados em uma instância. ml.m5.4xlarge Essa instância também desaparece das INSTÂNCIAS EM EXECUÇÃO quando você encerra a aplicação sagemaker-debugger-1.0.