Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Cuadernos de ejemplo
<a name="jumpstart-foundation-models-example-notebooks"></a>

Para step-by-step ver ejemplos sobre cómo utilizar los modelos básicos disponibles JumpStart públicamente con el SageMaker Python SDK, consulte los siguientes cuadernos sobre la generación de texto, la generación de imágenes y la personalización de modelos.

**nota**  
Los modelos básicos patentados y los disponibles JumpStart públicamente tienen diferentes flujos de trabajo de implementación Python del SDK de SageMaker IA. Descubra ejemplos de cuadernos patentados con modelos básicos a través de Amazon SageMaker Studio Classic o la consola SageMaker AI. Para obtener más información, consulte [JumpStart uso del modelo básico](jumpstart-foundation-models-use.md).

Puede clonar el [repositorio de ejemplos de Amazon SageMaker AI](https://github.com/aws/amazon-sagemaker-examples/tree/main/introduction_to_amazon_algorithms/jumpstart-foundation-models) para ejecutar los ejemplos de modelos JumpStart básicos disponibles en el entorno de Jupyter que prefiera en Studio. Para obtener más información sobre las aplicaciones que puede usar para crear Jupyter en SageMaker IA y acceder a él, consulte. [Aplicaciones compatibles con Amazon SageMaker Studio](studio-updated-apps.md)

## Previsión de serie temporal
<a name="jumpstart-foundation-models-example-notebooks-time-series"></a>

Puede utilizar los modelos de Chronos para realizar previsiones de datos de series temporales. Se basan en la arquitectura del modelo de lenguaje. Utilice el cuaderno [Introducción a SageMaker JumpStart la predicción de series temporales con Chronos](https://github.com/aws/amazon-sagemaker-examples/blob/default/%20%20%20%20generative_ai/sm-jumpstart_time_series_forecasting.ipynb) para empezar.

Para obtener más información sobre los modelos de Chronos disponibles, consulte [Modelos fundacionales disponibles](jumpstart-foundation-models-latest.md).

## Generación de texto
<a name="jumpstart-foundation-models-example-notebooks-text-generation"></a>

Explore cuadernos de ejemplo de generación de texto, que incluyen orientación sobre los flujos de trabajo generales de generación de texto, la clasificación de textos multilingües, la inferencia por lotes en tiempo real, el aprendizaje rápido, las interacciones con los chatbots y más. 
+ [SageMaker JumpStart Modelos básicos: generación HuggingFace de texto a texto con FLAN-T5 XL como ejemplo](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/text2text-generation-flan-t5.html)
+ [SageMaker JumpStart Modelos básicos: BloomZ: clasificación de textos multilingües, preguntas y respuestas, generación de código, reformulación de párrafos y más](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/text2text-generation-bloomz.html)
+ [SageMaker JumpStart Modelos básicos: generación de texto a HuggingFace texto, transformación por lotes e inferencia por lotes en tiempo real](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/text2text-generation-Batch-Transform.html)
+ [SageMaker JumpStart Modelos básicos: aprendizaje rápido con GPT-J y GPT-Neo](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/text-generation-few-shot-learning.html)
+ [SageMaker JumpStart Modelos básicos: chatbots](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/text-generation-chatbot.html)
+ [Introducción a la generación SageMaker JumpStart de texto con modelos Mistral](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/mistral-7b-instruction-domain-adaptation-finetuning.html)
+ [Introducción a la generación SageMaker JumpStart de texto con modelos Falcon](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/falcon-7b-instruction-domain-adaptation-finetuning.html)

## Generación de imágenes
<a name="jumpstart-foundation-models-example-notebooks-image-generation"></a>

Comience con los modelos text-to-image Stable Diffusion, aprenda a implementar un modelo para pintar y experimente con un flujo de trabajo sencillo para generar imágenes de su perro. 
+ [Introducción a la conversión JumpStart de texto a imagen](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart_text_to_image/Amazon_JumpStart_Text_To_Image.html)
+ [Introducción a la edición de JumpStart imágenes: difusión estable en la pintura](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart_inpainting/Amazon_JumpStart_Inpainting.html)
+ [Generación de imágenes divertidas de su perro](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart_text_to_image/custom_dog_image_generator.html)

## Personalización de modelos
<a name="jumpstart-foundation-models-example-notebooks-model-customization"></a>

A veces, su caso de uso requiere una mayor personalización del modelo fundacional para tareas específicas. Para obtener más información sobre los enfoques de personalización de modelos, consulte [Personalización de modelos fundacionales](jumpstart-foundation-models-customize.md) o explore uno de los siguientes cuadernos de ejemplo. 
+ [SageMaker JumpStart Modelos básicos: ajuste preciso del modelo GPT-J 6B de generación de texto en un conjunto de datos de dominio específico](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/domain-adaption-finetuning-gpt-j-6b.html)
+ [SageMaker JumpStart Modelos básicos: ajuste fino de las instrucciones Text2Text HuggingFace ](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/instruction-fine-tuning-flan-t5.html)
+ [Generación de recuperación aumentada: respuesta a preguntas mediante modelos de generación LangChain e incrustación de modelos de Cohere SageMaker JumpStart](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/question_answering_retrieval_augmented_generation/question_answering_Cohere+langchain_jumpstart.html)
+ [Generación de recuperación aumentada: respuesta a preguntas con -2, Pinecone y Custom Dataset LLama](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/question_answering_retrieval_augmented_generation/question_answering_pinecone_llama-2_jumpstart.html)
+ [Generación de recuperación aumentada: la respuesta a las preguntas se basa en un conjunto de datos personalizado con una biblioteca de código abierto LangChain ](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/question_answering_retrieval_augmented_generation/question_answering_langchain_jumpstart.html)
+ [Generación de recuperación aumentada: respuesta a preguntas basada en un conjunto de datos personalizado](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/question_answering_retrieval_augmented_generation/question_answering_jumpstart_knn.html)
+ [Generación aumentada de recuperación: respuesta a preguntas con Llama-2 y modelos de incrustación de texto](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/question_answering_retrieval_augmented_generation/question_answering_text_embedding_llama-2_jumpstart.html)
+ [Amazon SageMaker JumpStart : incrustación de texto y similitud de oraciones](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/jumpstart-foundation-models/question_answering_retrieval_augmented_generation/text-embedding-sentence-similarity.html)