As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Referência da API
<a name="api-and-sdk-reference"></a>

Fazer chamadas de API diretamente do código é complicado e exige que você escreva um código para autenticar suas solicitações. A Amazon SageMaker AI oferece as seguintes alternativas:

**Topics**
+ [Modelo de programação para Amazon SageMaker AI](how-it-works-prog-model.md)
+ [APIs, CLI e SDKs](api-and-sdk-reference-overview.md)

# Modelo de programação para Amazon SageMaker AI
<a name="how-it-works-prog-model"></a>

Fazer chamadas de API diretamente do código é complicado e exige que você escreva um código para autenticar suas solicitações. A Amazon SageMaker AI oferece as seguintes alternativas:
+ **Use o console de SageMaker IA** — Com o console, você não escreve nenhum código. Você usa a interface de usuário do console para iniciar o treinamento ou implantar um modelo. O console funciona bem para trabalhos simples, nos quais você usa um algoritmo de treinamento integrado e não precisa pré-processar dados de treinamento. 

   
+ **Modifique os exemplos de notebooks Jupyter — A SageMaker IA fornece vários notebooks** Jupyter que treinam e implantam modelos usando algoritmos e conjuntos de dados específicos. Comece com um caderno que tenha um algoritmo adequado e modifique-o para acomodar sua fonte de dados e suas necessidades específicas.

   
+ **Escreva código de treinamento e inferência de modelos do zero** — a SageMaker IA fornece várias linguagens de AWS SDK (listadas na visão geral) e o Amazon [Python SDK, uma biblioteca SageMaker Python](https://sagemaker.readthedocs.io/en/stable) de alto nível que você pode usar em seu código para iniciar trabalhos de treinamento de modelos e implantar os modelos resultantes.

   
  + **O SDK do SageMaker Python — essa** biblioteca do Python simplifica o treinamento e a implantação de modelos. Além de autenticar as solicitações, a biblioteca abstrai informações específicas da plataforma fornecendo métodos simples e parâmetros padrão. Por exemplo:

     
    + Para implantar o modelo, você chama apenas o método `deploy()`. O método cria um artefato de modelo de SageMaker IA, uma configuração de endpoint e, em seguida, implanta o modelo em um endpoint.

       
    + Se você usar um script de framework personalizado para treinamento de modelo, chame o método `fit()`. O método cria um arquivo .gzip do seu script, faz upload dele para um local do Amazon S3 e, depois, o executa para treinamento de modelo e outras tarefas. Para obter mais informações, consulte [Linguagens e frameworks de Machine Learning](frameworks.md).

       
    + Para definir padrões para chamadas de SageMaker API feitas pelo SDK do AI SageMaker Python, você usa um dicionário de configuração padrão. Para obter mais informações, consulte [Como configurar e usar padrões com o SDK do Python SageMaker ](https://sagemaker.readthedocs.io/en/stable/overview.html#configuring-and-using-defaults-with-the-sagemaker-python-sdk).

       
  + **O AWS SDKs** — Os métodos de SDKs fornecimento que correspondem à SageMaker API (consulte [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_Operations.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_Operations.html)). Use o SDKs para iniciar programaticamente um trabalho de treinamento de modelo e hospedar o modelo na SageMaker IA. Os clientes do SDK gerenciam a autenticação para você, então você não precisa escrever um código de autenticação. Eles estão disponíveis em várias linguagens e plataformas. Para obter mais informações, consulte a lista anterior na visão geral. 

     

  Em[Guia para se configurar com o Amazon SageMaker AI](gs.md), você treina e implanta um modelo usando um algoritmo fornecido pela SageMaker IA. O exercício mostra como usar as duas bibliotecas. Para obter mais informações, consulte [Guia para se configurar com o Amazon SageMaker AI](gs.md).

   
+ **Integre a SageMaker IA ao seu fluxo de trabalho do Apache Spark** — a SageMaker IA fornece uma biblioteca para chamá-la APIs do Apache Spark. Com ele, você pode usar estimadores SageMaker baseados em IA em um pipeline do Apache Spark. Para obter mais informações, consulte [Apache Spark com Amazon AI SageMaker](apache-spark.md).

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

A Amazon SageMaker AI fornece APIs SDKs, e uma interface de linha de comando que você pode usar para criar e gerenciar instâncias de notebooks e treinar e implantar modelos. 
+ [https://sagemaker.readthedocs.io/en/stable/](https://sagemaker.readthedocs.io/en/stable/)
+ [Referência de SageMaker API da Amazon](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_Reference.html)
+ [Referência da API de IA aumentada da Amazon](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 para .NET](https://docs.aws.amazon.com/sdkfornet/v3/apidocs/items/SageMaker/NSageMaker.html)
+ [AWS SDK para 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 para Go](https://docs.aws.amazon.com/sdk-for-go/api/service/sagemaker/)
+ [AWS SDK para Java](https://docs.aws.amazon.com/AWSJavaSDK/latest/javadoc/com/amazonaws/services/sagemaker/AmazonSageMaker.html)
+ [AWS SDK para JavaScript](https://docs.aws.amazon.com/AWSJavaScriptSDK/latest/AWS/SageMaker.html)
+ [AWS SDK para PHP](https://docs.aws.amazon.com/aws-sdk-php/v3/api/api-sagemaker-2017-07-24.html)
+ [AWS SDK para Python (Boto)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html)
+ [AWS SDK para 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)

Você também pode obter exemplos de código no GitHub repositório de notebooks de exemplo da Amazon SageMaker AI.
+ [Cadernos de exemplo](https://github.com/awslabs/amazon-sagemaker-examples)