Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Obtenga el cliente Amazon SageMaker AI Boto 3
<a name="automatic-model-tuning-ex-client"></a>

Importe Amazon SageMaker Python SDK AWS SDK para Python (Boto3) y otras bibliotecas de Python. En un cuaderno de Jupyter nuevo, pegue el siguiente código en la primera celda:

```
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')
```

La celda de código anterior define `region` `smclient` los objetos que utilizará para llamar al XGBoost algoritmo integrado y configurar el trabajo de ajuste de los hiperparámetros de la SageMaker IA.

## Paso siguiente
<a name="automatic-model-tuning-ex-next-role"></a>

[Consiga el rol de ejecución de la SageMaker IA](automatic-model-tuning-ex-role.md)