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.

# XGBoost cadernos de amostra
<a name="xgboost-sample-notebooks"></a>

A lista a seguir contém uma variedade de exemplos de notebooks Jupyter que abordam diferentes casos de uso do algoritmo Amazon SageMaker AI. XGBoost 
+ [Como criar um XGBoost contêiner personalizado](https://sagemaker-examples.readthedocs.io/en/latest/aws_sagemaker_studio/sagemaker_studio_image_build/xgboost_bring_your_own/Batch_Transform_BYO_XGB.html) — Este caderno mostra como criar um XGBoost contêiner personalizado com o Amazon SageMaker AI Batch Transform.
+ [Regressão com XGBoost o uso do Parquet](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_parquet_input_training.html) — Este caderno mostra como usar o conjunto de dados Abalone no Parquet para treinar um modelo. XGBoost 
+ [Como treinar e hospedar um modelo de classificação multiclasse](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_mnist/xgboost_mnist.html): esse caderno mostra como usar o conjunto de dados MNIST para treinar e hospedar um modelo de classificação multiclasse.
+ [Como treinar um modelo para predição personalizada de rotatividade](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_applying_machine_learning/xgboost_customer_churn/xgboost_customer_churn.html): esse caderno mostra como treinar um modelo para prever a saída de clientes móveis através da identificação de clientes insatisfeitos.
+ [Uma introdução à infraestrutura Amazon SageMaker AI Managed Spot para XGBoost treinamento](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_managed_spot_training.html) — Este caderno mostra como usar instâncias spot para treinamento com um XGBoost contêiner.
+ [Como usar o Amazon SageMaker Debugger para depurar trabalhos de XGBoost treinamento](https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-debugger/xgboost_census_explanations/xgboost-census-debugger-rules.html) — Este notebook mostra como usar o Amazon SageMaker Debugger para monitorar trabalhos de treinamento e detectar inconsistências usando regras de depuração integradas.

Para obter instruções sobre como criar e acessar instâncias do notebook Jupyter que você pode usar para executar o exemplo em SageMaker IA, consulte. [Instâncias de SageMaker notebook da Amazon](nbi.md) Depois de criar uma instância do notebook e abri-la, escolha a guia **Exemplos de SageMaker IA** para ver uma lista de todas as amostras de SageMaker IA. Os cadernos de exemplo de modelagem de tópicos que usam os algoritmos de aprendizado linear estão localizados na seção **Introdução a algoritmos da Amazon**. Para abrir um caderno, escolha a guia **Uso** e depois escolha **Criar cópia**.