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 Amazon SageMaker AI 預先處理資料和訓練機器學習模型
<a name="sample-preprocess-feature-transform"></a>

此範例專案示範如何使用 SageMaker AI 和 AWS Step Functions 預先處理資料和訓練機器學習模型。

在此專案中，Step Functions 使用 Lambda 函數，以測試資料集和 Python 指令碼植入 Amazon S3 儲存貯體以進行資料處理。然後，它會訓練機器學習模型，並使用 [SageMaker AI 服務整合](connect-sagemaker.md)執行批次轉換。

如需 SageMaker AI 和 Step Functions 服務整合的詳細資訊，請參閱下列內容：
+ [將 服務與 Step Functions 整合](integrate-services.md)
+ [使用 Step Functions 建立和管理 Amazon SageMaker AI 任務](connect-sagemaker.md)

**注意**  
此範例專案可能需要付費。  
對於新 AWS 使用者，提供免費用量方案。在此方案中，特定用量層級以下的服務皆為免費。如需 AWS 成本和免費方案的詳細資訊，請參閱 [SageMaker AI 定價](https://aws.amazon.com/sagemaker/pricing/)。

## 步驟 1：建立狀態機器
<a name="sample-preprocess-feature-transform-create"></a>

1. 開啟 [Step Functions 主控台](https://console.aws.amazon.com/states/home?region=us-east-1#/)，然後選擇**建立狀態機器**。

1. 選擇**從範本建立**，並尋找相關的入門範本。選擇 **Next** (下一步) 繼續。

1. 選擇如何使用範本：

   1. **執行示範** – 建立唯讀狀態機器。檢閱後，您可以建立工作流程和所有相關資源。

   1. 在**其中建置** – 提供可編輯的工作流程定義，您可以使用自己的資源來檢閱、自訂和部署。(**不會**自動建立相關資源，例如函數或佇列。)

1. 選擇**使用範本**以繼續您的選擇。
**注意**  
*部署至您 帳戶的 服務需支付標準費用。*

## 步驟 2：執行示範狀態機器
<a name="sample-preprocess-feature-transform-start-execution"></a>

如果您選擇**執行示範**選項，則會部署並準備好執行所有相關資源。如果您選擇**在其中建置**選項，您可能需要設定預留位置值並建立其他資源，才能執行自訂工作流程。

1. 選擇**部署並執行**。

1. 等待 CloudFormation 堆疊部署。這最多可能需要 10 分鐘。

1. 開始**執行**選項出現後，請檢閱**輸入**並選擇**開始執行**。

**恭喜您！**  
您現在應該有狀態機器的執行中示範。您可以在**圖形檢視**中選擇狀態，以檢閱輸入、輸出、變數、定義和事件。