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.

# Crear recursos para la personalización del modelo en la interfaz de usuario
<a name="model-customize-open-weight-create-assets-ui"></a>

Puede crear y administrar el conjunto de datos y los activos del evaluador que puede usar para la personalización del modelo en la interfaz de usuario.

## Activos
<a name="model-customize-open-weight-assets"></a>

Selecciona **Activos** en el panel de la izquierda y en la interfaz de usuario de Amazon SageMaker Studio y, a continuación, selecciona **Conjuntos de datos.**

![\[Una imagen que contiene el acceso a la personalización del modelo.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/screenshot-open-model-16.png)


Elija **Cargar conjunto de datos** para añadir el conjunto de datos que utilizará en sus trabajos de personalización de modelos. Al elegir el **formato de entrada de datos obligatorio**, puede acceder a una referencia del formato de conjunto de datos que desee utilizar.

![\[Una imagen que contiene el acceso a la personalización del modelo.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/screenshot-open-model-15.png)


## Evaluadores
<a name="model-customize-open-weight-evaluators"></a>

También puedes añadir **funciones de recompensa** e **indicaciones de recompensa** para tus trabajos de personalización del aprendizaje por refuerzo.

![\[Una imagen que contiene el acceso a la personalización del modelo.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/screenshot-open-model-14.png)


La interfaz de usuario también proporciona orientación sobre el formato requerido para la función de recompensa o la solicitud de recompensa.

![\[Una imagen que contiene el acceso a la personalización del modelo.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/screenshot-open-model-13.png)


## Recursos para la personalización de modelos mediante el AWS SDK
<a name="model-customize-open-weight-create-assets-sdk"></a>

También puedes usar el SDK de Python para SageMaker IA para crear activos. Consulta un ejemplo de fragmento de código a continuación:

```
from sagemaker.ai_registry.air_constants import REWARD_FUNCTION, REWARD_PROMPT
from sagemaker.ai_registry.dataset import DataSet, CustomizationTechnique
from sagemaker.ai_registry.evaluator import Evaluator

# Creating a dataset example
dataset = DataSet.create(
            name="sdkv3-gen-ds2",
            source="s3://sample-test-bucket/datasets/training-data/jamjee-sft-ds1.jsonl", # or use local filepath as source.
            customization_technique=CustomizationTechnique.SFT
        )

# Refreshes status from hub
dataset.refresh()
pprint(dataset.__dict__)

# Creating an evaluator. Method : Lambda
evaluator = Evaluator.create(
                name = "sdk-new-rf11",
                source="arn:aws:lambda:us-west-2:<>:function:<function-name>8",
                type=REWARD_FUNCTION
        )

# Creating an evaluator. Method : Bring your own code
evaluator = Evaluator.create(
                name = "eval-lambda-test",
                source="/path_to_local/eval_lambda_1.py",
                type = REWARD_FUNCTION
        )

# Optional wait, by default we have wait = True during create call.
evaluator.wait()

evaluator.refresh()
pprint(evaluator)
```