Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Tutorial untuk membangun model dengan Instance Notebook
Tutorial Memulai ini memandu Anda melalui cara membuat instance SageMaker notebook, membuka notebook Jupyter dengan kernel yang telah dikonfigurasi sebelumnya dengan lingkungan Conda untuk pembelajaran mesin, dan memulai sesi SageMaker AI untuk menjalankan siklus ML-ke-ujung. Anda akan mempelajari cara menyimpan kumpulan data ke bucket Amazon S3 default yang dipasangkan secara otomatis dengan SageMaker sesi AI, mengirimkan tugas pelatihan model ML ke Amazon EC2, dan menerapkan model terlatih untuk prediksi dengan hosting atau inferensi batch melalui Amazon EC2.
Tutorial ini secara eksplisit menunjukkan alur lengkap dari pelatihan model XGBoost dari kumpulan model bawaan SageMaker AI. Anda menggunakan kumpulan data Sensus Dewasa AS
-
SageMaker AI XGBoost - Model XGBoost
disesuaikan dengan lingkungan SageMaker AI dan dikonfigurasikan sebelumnya sebagai wadah Docker. SageMaker AI menyediakan serangkaian algoritme bawaan yang disiapkan untuk menggunakan fitur SageMaker AI. Untuk mempelajari lebih lanjut tentang algoritme ML yang disesuaikan dengan SageMaker AI, lihat Memilih Algoritma dan Menggunakan SageMaker Built-in Algoritma Amazon. Untuk operasi API algoritma bawaan SageMaker AI, lihat First-Party Algoritma di Amazon SageMaker Python SDK . -
Dataset Sensus Dewasa
— Dataset dari database biro Sensus 1994 oleh Ronny Kohavi dan Barry Becker (Data Mining and Visualization, Silicon Graphics). Model SageMaker AI XGBoost dilatih menggunakan dataset ini untuk memprediksi apakah seseorang menghasilkan lebih dari $50.000 per tahun atau kurang.
Topik
