Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Holen Sie sich den Amazon SageMaker AI Boto 3-Client
<a name="automatic-model-tuning-ex-client"></a>

Importieren Sie Amazon SageMaker Python SDK und andere Python-Bibliotheken. AWS SDK für Python (Boto3) Fügen Sie in einem neuen Jupyter Notebook den folgenden Code in die erste Zelle ein:

```
import sagemaker
import boto3

import numpy as np                                # For performing matrix operations and numerical processing
import pandas as pd                               # For manipulating tabular data
from time import gmtime, strftime
import os

region = boto3.Session().region_name
smclient = boto3.Session().client('sagemaker')
```

Die vorhergehende Codezelle definiert `region` und `smclient` Objekte, mit denen Sie den integrierten XGBoost Algorithmus aufrufen und den SageMaker AI-Hyperparameter-Tuning-Job einrichten.

## Nächster Schritt
<a name="automatic-model-tuning-ex-next-role"></a>

[Holen Sie sich die SageMaker AI-Ausführungsrolle](automatic-model-tuning-ex-role.md)