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.

# Linguagens e frameworks de Machine Learning
<a name="frameworks"></a>

A Amazon SageMaker AI fornece suporte nativo para linguagens de programação e estruturas de aprendizado de máquina populares, capacitando desenvolvedores e cientistas de dados a aproveitar suas ferramentas e tecnologias preferidas. Esta seção oferece referências para trabalhar com Python e R, bem como seus respectivos kits de desenvolvimento de software (SDKs) dentro da SageMaker IA. Além disso, abrange uma ampla variedade de estruturas de aprendizado de máquina e aprendizado profundo, incluindo Apache MXNet,, PyTorch. TensorFlow 

Você pode usar Python e R nativamente nos kernels de notebooks da Amazon SageMaker . Também há kernels que oferecem apoio a frameworks específicos. Uma forma muito popular de começar a usar a SageMaker IA é usar o [Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK. Ele fornece Python APIs e contêineres de código aberto que facilitam o treinamento e a implantação de modelos em SageMaker IA, além de exemplos para uso com várias estruturas diferentes de aprendizado de máquina e aprendizado profundo.

Para obter informações sobre como usar estruturas específicas ou como usar R na SageMaker IA, consulte os tópicos a seguir.

Idiomas SDKs e guias do usuário:
+ [SDK para Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable)
+ [R](r-guide.md)
+ [Referência da API](api-and-sdk-reference.md)

Guias de frameworks de machine learning e de aprendizado profundo:
+ [Apache MXNet](mxnet.md)
+ [Apache Spark](apache-spark.md)
+ [Chainer](chainer.md)
+ [Hugging Face](hugging-face.md)
+ [PyTorch](pytorch.md)
+ [Scikit-learn](sklearn.md)
+ [SparkML Serving](sparkml-serving.md)
+ [TensorFlow](tf.md)
+ [Triton Inference Server](triton.md)