本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
使用筆記本執行個體建置模型的教學課程
本開始使用教學課程將逐步引導您如何建立 SageMaker 筆記本執行個體、開啟具有預先設定核心的 Jupyter 筆記本搭配 Conda 環境以進行機器學習，以及啟動 SageMaker AI 工作階段以執行端對端 ML 週期。您將學習如何將資料集儲存到與 SageMaker AI 工作階段自動配對的預設 Amazon S3 儲存貯體、將 ML 模型的訓練任務提交至 Amazon EC2，以及部署經過訓練的模型，以便透過 Amazon EC2 託管或批次推論進行預測。
本教學課程明確顯示了從 SageMaker AI 內建模型集區訓練 XGBoost 模型的完整 ML 流程。您可以使用美國成人人口普查資料集
-
SageMaker AI XGBoost - XGBoost
模型適用於 SageMaker AI 環境，並預先設定為 Docker 容器。SageMaker AI 提供一套內建演算法，可準備好使用 SageMaker AI 功能。若要進一步了解適用於 SageMaker AI 的 ML 演算法，請參閱選擇演算法和使用 Amazon SageMaker 內建演算法。如需 SageMaker AI 內建演算法 API 作業，請參閱 Amazon SageMaker Python SDK 中的第一方演算法 。 -
成人人口普查資料集
— 1994 年人口普查局資料庫 的資料集，由 Ronny Kohavi 和 Barry Becker (資料探勘與視覺化、矽晶圖形) 製作。SageMaker AI XGBoost 模型會使用此資料集進行訓練，以預測個人每年的收入是否超過 50,000 美元或更少。
主題
