Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Menggunakan bucket Amazon S3 untuk input dan output
<a name="automatic-model-tuning-ex-bucket"></a>

Siapkan bucket S3 untuk mengunggah kumpulan data pelatihan dan menyimpan data keluaran pelatihan untuk pekerjaan penyetelan hyperparameter Anda.

**Untuk menggunakan bucket S3 default**

Gunakan kode berikut untuk menentukan bucket S3 default yang dialokasikan untuk sesi SageMaker AI Anda. `prefix`adalah jalur dalam ember tempat SageMaker AI menyimpan data untuk pekerjaan pelatihan saat ini.

```
sess = sagemaker.Session()
bucket = sess.default_bucket() # Set a default S3 bucket
prefix = 'DEMO-automatic-model-tuning-xgboost-dm'
```

**Untuk menggunakan bucket S3 tertentu (Opsional)**

Jika Anda ingin menggunakan bucket S3 tertentu, gunakan kode berikut dan ganti string dengan nama yang tepat dari bucket S3. Nama ember harus berisi**sagemaker**, dan unik secara global. Bucket harus berada di AWS Region yang sama dengan instance notebook yang Anda gunakan untuk contoh ini.

```
bucket = "sagemaker-your-preferred-s3-bucket"

sess = sagemaker.Session(
    default_bucket = bucket
)
```

**catatan**  
Nama bucket tidak perlu berisi **sagemaker** jika peran IAM yang Anda gunakan untuk menjalankan tugas penyetelan hyperparameter memiliki kebijakan yang memberikan izin. `S3FullAccess`

## Langkah Selanjutnya
<a name="automatic-model-tuning-ex-next-data"></a>

[Unduh, Siapkan, dan Unggah Data Pelatihan](automatic-model-tuning-ex-data.md)