Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

SageMaker Amazon-Notebook-Instanzen

Eine SageMaker Amazon-Notebook-Instance ist eine Recheninstanz für maschinelles Lernen (ML), auf der die Jupyter Notebook-Anwendung ausgeführt wird. Eine der besten Möglichkeiten für Machine-Learning-Experten (ML), Amazon SageMaker AI zu nutzen, besteht darin, ML-Modelle mithilfe von SageMaker Notebook-Instances zu trainieren und bereitzustellen. Die SageMaker Notebook-Instances helfen bei der Erstellung der Umgebung, indem sie Jupyter-Server auf Amazon Elastic Compute Cloud (Amazon EC2) initiieren und vorkonfigurierte Kernel mit den folgenden Paketen bereitstellen: das Amazon SageMaker Python SDK,, AWS Command Line Interface (AWS CLI), Conda, Pandas AWS SDK für Python (Boto3), Deep-Learning-Framework-Bibliotheken und andere Bibliotheken für Datenwissenschaft und maschinelles Lernen.

Verwenden Sie Jupyter-Notebooks in Ihrer Notebook-Instance, um:

Informationen zur Preisgestaltung mit Amazon SageMaker Notebook Instance finden Sie unter SageMaker Amazon-Preise.

Wartung

SageMaker KI aktualisiert die zugrunde liegende Software für Amazon SageMaker Notebook Instances mindestens einmal alle 90 Tage. Bei einigen Wartungsupdates, wie z. B. Betriebssystem-Upgrades, muss Ihre Anwendung möglicherweise für einen kurzen Zeitraum offline geschaltet werden. Während dieses Zeitraums können keine Operationen ausgeführt werden, während die zugrunde liegende Software aktualisiert wird. Wir empfehlen, Ihre Notebooks mindestens einmal alle 30 Tage neu zu starten, damit Patches automatisch verwendet werden.

Wenn die Notebook-Instance nicht aktualisiert wird und unsichere Software ausgeführt wird, aktualisiert SageMaker KI die Instance möglicherweise regelmäßig im Rahmen der regelmäßigen Wartung. Während dieser Updates werden Daten außerhalb des Ordners nicht dauerhaft /home/ec2-user/SageMaker gespeichert.

Für weitere Informationen kontaktieren Sie AWS Support.

Machine Learning mit dem SageMaker Python-SDK

Verwenden Sie das SageMaker Python-SDK, um ein ML-Modell in einer SageMaker Notebook-Instanz zu trainieren, zu validieren, bereitzustellen und zu evaluieren. Die SageMaker Python-SDK-Abstraktionen AWS SDK für Python (Boto3) und SageMaker API-Operationen. Es ermöglicht Ihnen die Integration und Orchestrierung anderer AWS Services wie Amazon Simple Storage Service (Amazon S3) zum Speichern von Daten und Modellartefakten, Amazon Elastic Container Registry (ECR) für den Import und die Wartung der ML-Modelle, Amazon Elastic Compute Cloud (Amazon EC2) für Training und Inferenz.

Sie können auch SageMaker KI-Funktionen nutzen, die Ihnen helfen, jede Phase eines vollständigen ML-Zyklus zu bewältigen: Datenkennzeichnung, Datenvorverarbeitung, Modelltraining, Modellbereitstellung, Bewertung der Prognoseleistung und Überwachung der Modellqualität in der Produktion.

Wenn Sie SageMaker KI zum ersten Mal verwenden, empfehlen wir Ihnen, das SageMaker Python-SDK zu verwenden, indem Sie dem end-to-end ML-Tutorial folgen. Die Open-Source-Dokumentation finden Sie im Amazon SageMaker Python SDK.