翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# 例: ハイパーパラメータ調整ジョブ
<a name="automatic-model-tuning-ex"></a>

この例では、ハイパーパラメータ調整ジョブを設定して開始するための新しいノートブックを作成する方法を示します。調整ジョブは、[Amazon SageMaker AI の XGBoost アルゴリズム](xgboost.md) を使用してモデルをトレーニングし、顧客が電話で連絡を受けた後に銀行で定期預金を申し込むかどうかを予測します。

低レベル SDK for Python (Boto3) を使用してハイパーパラメータ調整ジョブを設定して起動し、 AWS マネジメントコンソール を使用してハイパーパラメータ調整ジョブのステータスをモニタリングします。また、Amazon SageMaker AI の高レベルの [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) を使って、ハイパーパラメータチューニングジョブを設定、実行、モニタリング、および分析することもできます。詳しくは、[https://github.com/aws/sagemaker-python-sdk](https://github.com/aws/sagemaker-python-sdk) を参照してください。

## 前提条件
<a name="automatic-model-tuning-ex-prereq"></a>

この例のコードを実行するには、以下が必要です。
+ [AWS アカウントと管理者ユーザー](gs-set-up.md)
+ トレーニングデータセットとトレーニング中に作成されたモデルアーティファクトを保存するための Amazon S3 バケット
+ [実行中の SageMaker AI ノートブックインスタンス](gs-setup-working-env.md)

**Topics**
+ [前提条件](#automatic-model-tuning-ex-prereq)
+ [ノートブックインスタンスの作成](automatic-model-tuning-ex-notebook.md)
+ [Amazon SageMaker AI Boto 3 クライアントを取得する](automatic-model-tuning-ex-client.md)
+ [SageMaker AI の実行ロールを取得する](automatic-model-tuning-ex-role.md)
+ [Amazon S3 バケットを入力と出力に使用する](automatic-model-tuning-ex-bucket.md)
+ [トレーニングデータをダウンロード、準備、アップロードする](automatic-model-tuning-ex-data.md)
+ [ハイパーパラメータ調整ジョブを設定して開始する](automatic-model-tuning-ex-tuning-job.md)
+ [クリーンアップ](automatic-model-tuning-ex-cleanup.md)