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。

Amazon SageMaker 筆記本執行個體

Amazon SageMaker 筆記本執行個體是機器學習 (ML) 運算執行個體，其可執行 Jupyter 筆記本應用程式。機器學習 (ML) 從業人員使用 Amazon SageMaker AI 的最佳方式之一，就是使用 SageMaker 筆記本執行個體訓練和部署機器學習 (ML) 模型。SageMaker 筆記本執行個體透過在 Amazon Elastic Compute Cloud (Amazon EC2) 上啟動 Jupyter 伺服器，並使用下列套件提供預先設定的核心來協助建立環境：Amazon SageMaker Python SDK、適用於 Python (Boto3) 的 AWS SDKAWS Command Line Interface(AWS CLI)、Conda、Pandas、深度學習架構程式庫，以及其他用於資料科學和機器學習的程式庫。

在筆記本執行個體中使用 Jupyter 筆記本：

如需執行個體定價資訊，請參閱 Amazon SageMaker 筆記本執行個體。

Maintenance (維護)

SageMaker AI 至少每 90 天更新一次 Amazon SageMaker 筆記本執行個體的基礎軟體。某些維護更新 (例如作業系統升級) 可能需要您的應用程式在短時間內離線。在此期間，基礎軟體正在更新時，無法執行任何作業。建議您至少每 30 天重新啟動筆記本一次，以自動使用修補程式。

如果筆記本執行個體未更新且執行不安全的軟體，SageMaker AI 可能會定期更新執行個體，作為定期維護的一部分。在這些更新期間，/home/ec2-user/SageMaker不會保留 資料夾外的資料。

如需詳細資訊，請聯絡 AWS 支援。

使用 SageMaker Python SDK 進行機器學習

若要在 SageMaker 筆記本執行個體中訓練、驗證、部署和評估機器學習 (ML) 模型，請使用 SageMaker Python SDK。SageMaker Python SDK 摘要適用於 Python (Boto3) 的 AWS SDK和 SageMaker API 操作。它可讓您整合和協調AWS其他服務，例如用於儲存資料和模型成品的 Amazon Simple Storage Service (Amazon S3)、用於匯入和服務 ML 模型的 Amazon Elastic Container Registry (ECR)、用於訓練和推論的 Amazon Elastic Compute Cloud (Amazon EC2)。

您也可以利用 SageMaker AI 功能來協助您處理完整 ML 週期的每個階段：資料標記、資料預先處理、模型訓練、模型部署、預測效能評估，以及監控生產中的模型品質。

如果您是第一次使用 SageMaker AI 的使用者，我們建議您遵循端對端 ML 教學課程，使用 SageMaker Python SDK。要查找開放原始碼的文件，請參閱 Amazon SageMaker Python SDK。