本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 使用笔记本实例构建模型教程
<a name="gs-console"></a>

本入门教程将引导你了解如何创建 SageMaker 笔记本实例，使用预先配置的内核打开 Jupyter 笔记本并使用 Conda 环境进行机器学习，以及如何启动 SageMaker AI 会话以运行机器学习周期。 end-to-end您将学习如何将数据集保存到与 A SageMaker I 会话自动配对的默认 Amazon S3 存储桶中，如何向 Amazon EC2 提交机器学习模型的训练作业，以及如何通过 Amazon EC2 托管或批量推理来部署经过训练的模型进行预测。

本教程明确展示了从 SageMaker AI 内置模型池训练 XGBoost 模型的完整机器学习流程。您使用[美国成人人口普查数据集](https://archive.ics.uci.edu/ml/datasets/adult)，评估经过训练的人 SageMaker 工智能 XGBoost 模型在预测个人收入方面的表现。
+ [SageMaker AI XGBoost](https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html) — [XGBoost](https://xgboost.readthedocs.io/en/latest/)模型适用于 SageMaker 人工智能环境，并预配置为 Docker 容器。 SageMaker AI 提供了一套为使用 SageMaker AI 功能做好准备的[内置算法](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html)。要详细了解哪些机器学习算法适用于 SageMaker 人工智能，请参阅[选择算法](https://docs.aws.amazon.com/sagemaker/latest/dg/algorithms-choose.html)并[使用 Amazon SageMaker 内置算法](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html)。有关 SageMaker 人工智能内置算法 API 的操作，请参阅 A [maz SageMaker on Python 软件开发工具包](https://sagemaker.readthedocs.io/en/stable)中的[第一方算法](https://sagemaker.readthedocs.io/en/stable/algorithms/index.html)。
+ [Adult Census 数据集](https://archive.ics.uci.edu/ml/datasets/adult) – 由 Ronny Kohavi 和 Barry Becker 创作的 [1994 Census bureau 数据库](http://www.census.gov/en.html)中的数据集（数据挖掘和可视化，Silicon Graphics）。使用此数据集对 SageMaker 人工智能 XGBoost 模型进行训练，以预测个人年收入是否超过50,000美元或更少。

**Topics**
+ [为本教程创建 Amazon SageMaker 笔记本实例](gs-setup-working-env.md)
+ [在笔记本实例中创建 Jupyter 笔记本 SageMaker](ex1-prepare.md)
+ [准备数据集](ex1-preprocess-data.md)
+ [训练模型](ex1-train-model.md)
+ [将模型部署到 Amazon EC2](ex1-model-deployment.md)
+ [评估模型](ex1-test-model.md)
+ [清理 Amazon SageMaker 笔记本实例资源](ex1-cleanup.md)