Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Documentazione di riferimento delle API
<a name="api-and-sdk-reference"></a>

Eseguire chiamate API direttamente dal codice è una procedura complessa e richiede di scrivere codice per autenticare le richieste. Amazon SageMaker AI offre le seguenti alternative:

**Topics**
+ [Modello di programmazione per Amazon SageMaker AI](how-it-works-prog-model.md)
+ [APIs, CLI e SDKs](api-and-sdk-reference-overview.md)

# Modello di programmazione per Amazon SageMaker AI
<a name="how-it-works-prog-model"></a>

Eseguire chiamate API direttamente dal codice è una procedura complessa e richiede di scrivere codice per autenticare le richieste. Amazon SageMaker AI offre le seguenti alternative:
+ **Usa la console SageMaker AI**: con la console non scrivi alcun codice. Utilizzi l'interfaccia della console per iniziare l’addestramento del modello o distribuire un modello. La console è ideale per processi semplici, dove utilizzi un algoritmo di addestramento integrato e non hai bisogno di preelaborare i dati di addestramento. 

   
+ **Modifica l'esempio di notebook Jupyter: SageMaker AI fornisce diversi notebook** Jupyter che addestrano e implementano modelli utilizzando algoritmi e set di dati specifici. Inizia con un notebook che ha un algoritmo idoneo e modificalo per supportare la tua origine dati e le tue esigenze specifiche.

   
+ **Scrivi codice di addestramento e inferenza dei modelli partendo da zero**: SageMaker AI fornisce più linguaggi AWS SDK (elencati nella panoramica) e Amazon [Python SDK, una libreria SageMaker Python](https://sagemaker.readthedocs.io/en/stable) di alto livello che puoi usare nel tuo codice per avviare lavori di formazione dei modelli e distribuire i modelli risultanti.

   
  + ** SageMaker Python SDK: questa libreria Python** semplifica l'addestramento e l'implementazione dei modelli. Oltre ad autenticare le tue richieste, la libreria estrae specifiche della piattaforma fornendo metodi semplici e parametri predefiniti. Esempio:

     
    + Per distribuire il tuo modello, chiami solo il metodo `deploy()`. Il metodo crea un artefatto del modello SageMaker AI, una configurazione dell'endpoint, quindi distribuisce il modello su un endpoint.

       
    + Se utilizzi uno script di framework personalizzato per l’addestramento del modello, devi chiamare il metodo `fit()`. Il metodo crea un file .gzip dei tuoi script, lo carica in un percorso Amazon S3 e lo esegue per l'addestramento del modello e altre attività. Per ulteriori informazioni, consulta [Framework e linguaggi di machine learning](frameworks.md).

       
    + Per impostare i valori predefiniti per le chiamate SageMaker API effettuate da AI SageMaker Python SDK, si utilizza un dizionario di configurazione predefinito. Per ulteriori informazioni, consulta [Configurazione e utilizzo dei valori predefiniti con Python SageMaker SDK](https://sagemaker.readthedocs.io/en/stable/overview.html#configuring-and-using-defaults-with-the-sagemaker-python-sdk).

       
  + **I AWS SDKs — I** metodi di SDKs fornitura che corrispondono all'API (vedi). SageMaker [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_Operations.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_Operations.html) Utilizzalo SDKs per avviare in modo programmatico un processo di formazione sui modelli e ospitare il modello nell' SageMaker intelligenza artificiale. I client SDK gestiscono l'autenticazione per te, quindi non devi scrivere codice di autenticazione. Sono disponibili in diverse piattaforme e linguaggi. Per ulteriori informazioni, consulta l'elenco precedente nella panoramica. 

     

  In[Guida alla configurazione con Amazon SageMaker AI](gs.md), si addestra e si implementa un modello utilizzando un algoritmo fornito dall'intelligenza artificiale. SageMaker Questo esercizio mostra come utilizzare entrambe le librerie. Per ulteriori informazioni, consulta [Guida alla configurazione con Amazon SageMaker AI](gs.md).

   
+ **Integra l' SageMaker intelligenza artificiale nel tuo flusso di lavoro di Apache Spark**: l'SageMaker IA fornisce una libreria per richiamarla APIs da Apache Spark. Con essa, puoi utilizzare stimatori SageMaker basati sull'intelligenza artificiale in una pipeline Apache Spark. Per ulteriori informazioni, consulta [Apache Spark con Amazon AI SageMaker](apache-spark.md).

# APIs, CLI e SDKs
<a name="api-and-sdk-reference-overview"></a>

Amazon SageMaker AI fornisce APIs un'interfaccia a riga di comando che puoi utilizzare per creare e gestire istanze di notebook e addestrare e distribuire modelli. SDKs 
+ [https://sagemaker.readthedocs.io/en/stable/](https://sagemaker.readthedocs.io/en/stable/)
+ [Riferimento alle SageMaker API Amazon](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_Reference.html)
+ [Amazon Augmented AI API Reference](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/Welcome.html)
+ [AWS Command Line Interface](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/index.html#cli-aws-sagemaker)
+ [AWS SDK per .NET](https://docs.aws.amazon.com/sdkfornet/v3/apidocs/items/SageMaker/NSageMaker.html)
+ [AWS SDK per C\$1\$1](https://sdk.amazonaws.com/cpp/api/LATEST/aws-cpp-sdk-sagemaker/html/class_aws_1_1_sage_maker_1_1_sage_maker_client.html)
+ [AWS SDK per Go](https://docs.aws.amazon.com/sdk-for-go/api/service/sagemaker/)
+ [AWS SDK per Java](https://docs.aws.amazon.com/AWSJavaSDK/latest/javadoc/com/amazonaws/services/sagemaker/AmazonSageMaker.html)
+ [AWS SDK per JavaScript](https://docs.aws.amazon.com/AWSJavaScriptSDK/latest/AWS/SageMaker.html)
+ [AWS SDK per PHP](https://docs.aws.amazon.com/aws-sdk-php/v3/api/api-sagemaker-2017-07-24.html)
+ [AWS SDK per Python (Boto)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html)
+ [AWS SDK per Ruby](https://docs.aws.amazon.com/sdk-for-ruby/v3/api/Aws/SageMaker.html)
+ [Amazon SageMaker AI Spark](https://github.com/aws/sagemaker-spark/blob/master/README.md)

Puoi anche ottenere esempi di codice dal repository di esempi di notebook GitHub di Amazon SageMaker AI.
+ [Notebook di esempio](https://github.com/awslabs/amazon-sagemaker-examples)