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.

# Ejemplo: trabajo de ajuste de hiperparámetros
<a name="automatic-model-tuning-ex"></a>

Este ejemplo muestra cómo crear un nuevo cuaderno para configurar y lanzar un trabajo de ajuste de hiperparámetros. El trabajo de ajuste utiliza el [Algoritmo XGBoost con Amazon AI SageMaker](xgboost.md) para formar un modelo para que pueda prever si un cliente se registrará en un depósito bancario a plazo después de que se pongan en contacto con él por teléfono.

Se utiliza el SDK de bajo nivel para Python (Boto3) para configurar e iniciar el trabajo de ajuste de hiperparámetros y para supervisar el estado de Consola de administración de AWS los trabajos de ajuste de hiperparámetros. También puede utilizar el [SDK Amazon SageMaker Python de alto nivel de Amazon SageMaker ](https://sagemaker.readthedocs.io/en/stable) AI para configurar, ejecutar, supervisar y analizar los trabajos de ajuste de hiperparámetros. Para obtener más información, consulte [https://github.com/aws/sagemaker-python-sdk](https://github.com/aws/sagemaker-python-sdk).

## Requisitos previos
<a name="automatic-model-tuning-ex-prereq"></a>

Para ejecutar el código de este ejemplo, necesita
+ [Una AWS cuenta y un usuario administrador](gs-set-up.md)
+ Un bucket de Amazon S3 para almacenar su conjunto de datos de entrenamiento y los artefactos del modelo creados durante el entrenamiento
+ [Una instancia de SageMaker AI Notebook en ejecución](gs-setup-working-env.md)

**Topics**
+ [Requisitos previos](#automatic-model-tuning-ex-prereq)
+ [Creación de una instancia del cuaderno](automatic-model-tuning-ex-notebook.md)
+ [Obtenga el cliente Amazon SageMaker AI Boto 3](automatic-model-tuning-ex-client.md)
+ [Consiga el rol de ejecución de IA SageMaker](automatic-model-tuning-ex-role.md)
+ [Utilice un bucket de Amazon S3 para entrada y salida](automatic-model-tuning-ex-bucket.md)
+ [Descarga, preparación y carga de datos de entrenamiento](automatic-model-tuning-ex-data.md)
+ [Configuración y lanzamiento de un trabajo de ajuste de hiperparámetros](automatic-model-tuning-ex-tuning-job.md)
+ [Limpieza](automatic-model-tuning-ex-cleanup.md)