As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Treine modelos automaticamente em seu fluxo de dados
<a name="data-wrangler-autopilot"></a>

Você pode usar o Amazon SageMaker Autopilot para treinar, ajustar e implantar modelos automaticamente nos dados que você transformou em seu fluxo de dados. O Amazon SageMaker Autopilot pode usar vários algoritmos e usar o que funciona melhor com seus dados. Para obter mais informações sobre o Amazon SageMaker Autopilot, consulte[SageMaker Piloto automático](autopilot-automate-model-development.md).

Quando você treina e ajusta um modelo, o Data Wrangler exporta seus dados para um local do Amazon S3 onde o SageMaker Amazon Autopilot pode acessá-los.

Você pode preparar e implantar um modelo escolhendo um nó no fluxo do Data Wrangler e escolhendo **Exportar e Treinar** na visualização prévia dos dados. Você pode usar esse método para visualizar seu conjunto de dados antes de escolher treinar um modelo nele.

Você também pode treinar e implantar um modelo diretamente do seu fluxo de dados.

O procedimento a seguir prepara e implanta um modelo a partir do fluxo de dados. Para fluxos do Data Wrangler com transformações de várias linhas, você não pode usar as transformações do fluxo do Data Wrangler ao implantar o modelo. É possível usar o procedimento a seguir para processar dados antes de usá-los para realizar inferências.

Para treinar e implantar um modelo diretamente do seu fluxo de dados, faça o seguinte:

1. Escolha o **\$1** ao lado do nó que contém os dados de treinamento.

1. Escolha o **modelo do treinamento**.

1. (Opcional) Especifique uma AWS KMS chave ou ID. Para obter mais informações sobre como criar e controlar chaves criptográficas para proteger seus dados, consulte [AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html).

1. Escolha **Exportar e treinar**.

1. **Depois que o Amazon SageMaker Autopilot treinar o modelo nos dados que o Data Wrangler exportou, especifique um nome para o nome do experimento.**

1. Em **Dados de entrada**, escolha **Visualizar** para verificar se o Data Wrangler exportou corretamente seus dados para o Amazon Autopilot. SageMaker 

1. Em **Destino**, escolha a coluna de destino.

1. (Opcional) Para a **localização do S3** em **Dados de saída**, especifique uma localização do Amazon S3 diferente da localização padrão.

1. Escolha **Avançar: método de treinamento**.

1. Escolha um método de treinamento. Para obter mais informações, consulte [Modos de treinamento](autopilot-model-support-validation.md#autopilot-training-mode).

1. (Opcional) Em **endpoint de implantação automática**, especifique um nome para o endpoint.

1. Para a **Opção Implantação**, escolha um método de implantação. Você pode optar por implantar com ou sem as transformações que você fez em seus dados.
**Importante**  
Você não pode implantar um modelo Amazon SageMaker Autopilot com as transformações que você fez em seu fluxo do Data Wrangler. Para obter mais informações sobre transformações, consulte [Exportar para um endpoint de inferência](data-wrangler-data-export.md#data-wrangler-data-export-inference).

1. Selecione **Próximo: pré-visualizar e criar**.

1. Selecione **Create experiment (Criar experimento)**.

Para obter mais informações sobre treinamento e implantação de modelo, consulte [Crie trabalhos de regressão ou classificação para dados tabulares com a API do AutoML](autopilot-automate-model-development-create-experiment.md). O Autopilot mostra análises sobre o melhor desempenho do modelo. Para obter mais informações sobre desempenho, consulte [Visualizar um relatório de desempenho do modelo do Autopilot](autopilot-model-insights.md).