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. # SageMaker Empregos em notebooks Você pode usar a Amazon SageMaker AI para criar, treinar e implantar de forma interativa modelos de aprendizado de máquina a partir do seu notebook Jupyter em qualquer ambiente. JupyterLab No entanto, existem vários cenários nos quais você pode querer executar seu caderno como um trabalho programado e não interativo. Por exemplo, talvez você queira criar relatórios de auditoria regulares que analisem todos os trabalhos de treinamento executados em um determinado período de tempo e analisem o valor comercial da implantação desses modelos na produção. Ou talvez você queira ampliar um trabalho de Feature Engineering depois de testar a lógica de transformação de dados em um pequeno subconjunto de dados. Outros os casos de uso comuns são: + Programação de trabalhos para monitoramento de oscilação de modelos + Explorando o espaço de parâmetros para modelos melhores Nesses cenários, você pode usar SageMaker Notebook Jobs para criar um trabalho não interativo (que a SageMaker IA executa como um trabalho de treinamento subjacente) para ser executado sob demanda ou em um cronograma. SageMaker O Notebook Jobs fornece uma interface de usuário intuitiva para que você possa agendar seus trabalhos diretamente JupyterLab escolhendo o widget Notebook Jobs (![Blue icon of a calendar with a checkmark, representing a scheduled task or event.](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/icons/notebook-schedule.png)) em seu notebook. Você também pode agendar seus trabalhos usando o SageMaker AI Python SDK, que oferece a flexibilidade de programar vários trabalhos de notebook em um fluxo de trabalho de pipeline. Você pode executar vários cadernos em paralelo e parametrizar células em seus cadernos para personalizar os parâmetros de entrada. Esse recurso aproveita os serviços Amazon EventBridge, SageMaker Training e Pipelines e está disponível para uso em seu notebook Jupyter em qualquer um dos seguintes ambientes: + Instâncias do Studio, Studio Lab, Studio Classic ou Notebook + Configuração local, como sua máquina local, onde você executa JupyterLab **Pré-requisitos** Para programar um trabalho no caderno, certifique-se de que os seguintes critérios são atendidos: + Certifique-se de que seu caderno Jupyter e quaisquer scripts de inicialização ou inicialização sejam independentes em relação aos pacotes de código e software. Caso contrário, seu trabalho não interativo poderá incorrer em erros. + Verifique [Restrições e considerações](notebook-auto-run-constraints.md) se você configurou corretamente o caderno Jupyter, as configurações de rede e as configurações do contêiner. + Garanta que seu caderno possa acessar os recursos externos necessários, como clusters do Amazon EMR. + Se você estiver configurando o Notebook Jobs em um caderno Jupyter local, conclua a instalação. Para instruções, consulte [Guia de instalação](scheduled-notebook-installation.md). + Se você se conectar a um cluster do Amazon EMR em seu caderno e quiser parametrizar seu comando de conexão do Amazon EMR, deverá aplicar uma solução alternativa usando variáveis de ambiente para transmitir parâmetros. Para obter detalhes, consulte [Conectar a um cluster do Amazon EMR a partir de seu caderno](scheduled-notebook-connect-emr.md). + Se você se conectar a um cluster do Amazon EMR usando a autenticação Kerberos, LDAP ou HTTP Basic Auth, deverá usar o para passar suas credenciais de segurança AWS Secrets Manager para o comando de conexão do Amazon EMR. Para obter detalhes, consulte [Conectar a um cluster do Amazon EMR a partir de seu caderno](scheduled-notebook-connect-emr.md). + (opcional) Se você quiser que a interface do usuário pré-carregue um script para ser executado na inicialização do caderno, seu administrador deverá instalá-la com uma configuração de ciclo de vida (LCC). Para obter informações sobre como usar um script de LCC, consulte [Personalizar uma instância do caderno usando um script de configuração de ciclo de vida](https://docs.aws.amazon.com/sagemaker/latest/dg/notebook-lifecycle-config.html).