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.

# Criação de ativos para personalização de modelos na interface do usuário
<a name="model-customize-open-weight-create-assets-ui"></a>

Você pode criar e gerenciar o conjunto de dados e os ativos do avaliador que você pode usar para personalização do modelo na interface do usuário.

## Ativos
<a name="model-customize-open-weight-assets"></a>

Selecione **Ativos** no painel esquerdo e na interface do usuário do Amazon SageMaker Studio e, em seguida, selecione **Conjuntos de dados.**

![\[Uma imagem contendo o acesso à personalização do modelo.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/screenshot-open-model-16.png)


Escolha **Carregar conjunto de dados** para adicionar o conjunto de dados que você usará em seus trabalhos de personalização do modelo. Ao escolher o **formato de entrada de dados obrigatório**, você pode acessar uma referência do formato do conjunto de dados a ser usado.

![\[Uma imagem contendo o acesso à personalização do modelo.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/screenshot-open-model-15.png)


## Avaliadores
<a name="model-customize-open-weight-evaluators"></a>

Você também pode adicionar **funções de recompensa** e **solicitações de recompensa para seus trabalhos de** personalização do Reinforcement Learning.

![\[Uma imagem contendo o acesso à personalização do modelo.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/screenshot-open-model-14.png)


A interface do usuário também fornece orientação sobre o formato necessário para a função de recompensa ou solicitação de recompensa.

![\[Uma imagem contendo o acesso à personalização do modelo.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/screenshot-open-model-13.png)


## Ativos para personalização de modelos usando o SDK AWS
<a name="model-customize-open-weight-create-assets-sdk"></a>

Você também pode usar o SDK SageMaker AI Python para criar ativos. Veja um exemplo de trecho de código abaixo:

```
from sagemaker.ai_registry.air_constants import REWARD_FUNCTION, REWARD_PROMPT
from sagemaker.ai_registry.dataset import DataSet, CustomizationTechnique
from sagemaker.ai_registry.evaluator import Evaluator

# Creating a dataset example
dataset = DataSet.create(
            name="sdkv3-gen-ds2",
            source="s3://sample-test-bucket/datasets/training-data/jamjee-sft-ds1.jsonl", # or use local filepath as source.
            customization_technique=CustomizationTechnique.SFT
        )

# Refreshes status from hub
dataset.refresh()
pprint(dataset.__dict__)

# Creating an evaluator. Method : Lambda
evaluator = Evaluator.create(
                name = "sdk-new-rf11",
                source="arn:aws:lambda:us-west-2:<>:function:<function-name>8",
                type=REWARD_FUNCTION
        )

# Creating an evaluator. Method : Bring your own code
evaluator = Evaluator.create(
                name = "eval-lambda-test",
                source="/path_to_local/eval_lambda_1.py",
                type = REWARD_FUNCTION
        )

# Optional wait, by default we have wait = True during create call.
evaluator.wait()

evaluator.refresh()
pprint(evaluator)
```