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

# Secara Otomatis Melatih Model pada Alur Data Anda
<a name="data-wrangler-autopilot"></a>

Anda dapat menggunakan Amazon SageMaker Autopilot untuk secara otomatis melatih, menyetel, dan menerapkan model pada data yang telah diubah dalam aliran data Anda. Amazon SageMaker Autopilot dapat melalui beberapa algoritma dan menggunakan salah satu yang paling sesuai dengan data Anda. Untuk informasi selengkapnya tentang Amazon SageMaker Autopilot, lihat. [SageMaker Autopilot](autopilot-automate-model-development.md)

Saat Anda melatih dan menyetel model, Data Wrangler mengekspor data Anda ke lokasi Amazon S3 tempat SageMaker Amazon Autopilot dapat mengaksesnya.

Anda dapat menyiapkan dan menerapkan model dengan memilih node dalam alur Data Wrangler Anda dan memilih **Export and Train** di pratinjau data. Anda dapat menggunakan metode ini untuk melihat dataset Anda sebelum Anda memilih untuk melatih model di atasnya.

Anda juga dapat melatih dan menerapkan model langsung dari aliran data Anda.

Prosedur berikut mempersiapkan dan menyebarkan model dari aliran data. Untuk alur Data Wrangler dengan transformasi multi-baris, Anda tidak dapat menggunakan transformasi dari aliran Data Wrangler saat Anda menerapkan model. Anda dapat menggunakan prosedur berikut untuk memproses data sebelum Anda menggunakannya untuk melakukan inferensi.

Untuk melatih dan menerapkan model langsung dari aliran data Anda, lakukan hal berikut.

1. Pilih **\$1** di sebelah node yang berisi data pelatihan.

1. Pilih **model Kereta**.

1. (Opsional) Tentukan AWS KMS kunci atau ID. Untuk informasi selengkapnya tentang membuat dan mengendalikan kunci kriptografi untuk melindungi data Anda, lihat [AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html).

1. Pilih **Ekspor dan kereta api**.

1. **Setelah Amazon SageMaker Autopilot melatih model pada data yang diekspor Data Wrangler, tentukan nama untuk nama Eksperimen.**

1. Di bawah **Input data**, pilih **Pratinjau** untuk memverifikasi bahwa Data Wrangler mengekspor data Anda dengan benar ke Amazon Autopilot. SageMaker 

1. Untuk **Target**, pilih kolom target.

1. (Opsional) Untuk **lokasi S3** di bawah **Data keluaran**, tentukan lokasi Amazon S3 selain lokasi default.

1. Pilih **Berikutnya: Metode pelatihan**.

1. Pilih metode pelatihan. Untuk informasi selengkapnya, lihat [Mode pelatihan](autopilot-model-support-validation.md#autopilot-training-mode).

1. (Opsional) Untuk **titik akhir penerapan Otomatis**, tentukan nama untuk titik akhir.

1. Untuk **opsi Deployment**, pilih metode penerapan. Anda dapat memilih untuk menerapkan dengan atau tanpa transformasi yang telah Anda buat pada data Anda.
**penting**  
Anda tidak dapat menerapkan model SageMaker Autopilot Amazon dengan transformasi yang telah Anda buat dalam alur Data Wrangler Anda. Untuk informasi lebih lanjut tentang transformasi tersebut, lihat[Ekspor ke Endpoint Inferensi](data-wrangler-data-export.md#data-wrangler-data-export-inference).

1. Pilih **Berikutnya: Tinjau dan buat**.

1. Pilih **Buat percobaan**.

Untuk informasi selengkapnya tentang pelatihan dan penerapan model, lihat[Membuat Pekerjaan Regresi atau Klasifikasi untuk Data Tabular Menggunakan AutoML API](autopilot-automate-model-development-create-experiment.md). Autopilot menunjukkan kepada Anda analisis tentang kinerja model terbaik. Untuk informasi selengkapnya tentang kinerja model, lihat[Lihat laporan kinerja model Autopilot](autopilot-model-insights.md).