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.

# Tutorial para criar modelos com instâncias de caderno
<a name="gs-console"></a>

Este tutorial de introdução explica como criar uma instância de notebook, abrir um SageMaker notebook Jupyter com um kernel pré-configurado com o ambiente Conda para aprendizado de máquina e iniciar uma sessão de SageMaker IA para executar um ciclo de ML. end-to-end Você aprenderá a salvar um conjunto de dados em um bucket padrão do Amazon S3 emparelhado automaticamente com SageMaker a sessão de IA, enviar um trabalho de treinamento de um modelo de ML para o Amazon EC2 e implantar o modelo treinado para previsão por hospedagem ou inferência em lote por meio do Amazon EC2. 

Este tutorial mostra explicitamente um fluxo completo de ML de treinamento do XGBoost modelo a partir do pool de modelos integrado de SageMaker IA. Você usa o [conjunto de dados do Censo de Adultos dos EUA](https://archive.ics.uci.edu/ml/datasets/adult) e avalia o desempenho do XGBoost modelo de SageMaker IA treinado na previsão da renda dos indivíduos.
+ [SageMaker AI XGBoost](https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html) — O [XGBoost](https://xgboost.readthedocs.io/en/latest/)modelo é adaptado ao ambiente de SageMaker IA e pré-configurado como contêineres Docker. SageMaker A IA fornece um conjunto de [algoritmos integrados](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html) que estão preparados para usar os recursos de SageMaker IA. Para saber mais sobre quais algoritmos de ML são adaptados à SageMaker IA, consulte [Escolha um algoritmo](https://docs.aws.amazon.com/sagemaker/latest/dg/algorithms-choose.html) e [use os algoritmos SageMaker integrados da Amazon](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html). Para as operações de API do algoritmo integrado de SageMaker IA, consulte [Algoritmos primários](https://sagemaker.readthedocs.io/en/stable/algorithms/index.html) no SDK do [Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).
+ [Conjunto de dados do Censo de Adultos](https://archive.ics.uci.edu/ml/datasets/adult): O conjunto de dados do [banco de dados do Censo de 1994](http://www.census.gov/en.html), de Ronny Kohavi e Barry Becker (Mineração de dados e Visualização, Gráficos do chip). O XGBoost modelo de SageMaker IA é treinado usando esse conjunto de dados para prever se um indivíduo ganha mais de $50.000 por ano ou menos.

**Topics**
+ [Crie uma instância do Amazon SageMaker Notebook para o tutorial](gs-setup-working-env.md)
+ [Crie um notebook Jupyter na instância do SageMaker notebook](ex1-prepare.md)
+ [Preparar conjuntos de dados](ex1-preprocess-data.md)
+ [Treinar um modelo](ex1-train-model.md)
+ [Implantar o modelo do Amazon EC2](ex1-model-deployment.md)
+ [Como avaliar o modelo](ex1-test-model.md)
+ [Limpe os recursos da instância de SageMaker notebook da Amazon](ex1-cleanup.md)