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. # Blogs e guias técnicos Os blogs a seguir usam um estudo de caso de predição de sentimentos para uma resenha de filme para ilustrar o processo de execução de um fluxo de trabalho completo de machine learning. Isso inclui preparação de dados, monitoramento de trabalhos do Spark e treinamento e implantação de modelo de ML para obter predições diretamente a partir do caderno do Studio ou Studio Classic. + [Crie e gerencie clusters do Amazon EMR a partir do SageMaker Studio ou do Studio Classic para executar cargas de trabalho interativas do Spark e](https://aws.amazon.com/blogs/machine-learning/part-1-create-and-manage-amazon-emr-clusters-from-sagemaker-studio-to-run-interactive-spark-and-ml-workloads/) do ML. + Para estender o caso de uso para uma configuração entre contas em que o SageMaker Studio ou o Studio Classic e seu cluster do Amazon EMR são implantados em contas AWS separadas, [consulte Criar e gerenciar clusters do Amazon EMR a SageMaker partir do Studio ou do Studio Classic para executar cargas de trabalho interativas do Spark](https://aws.amazon.com/blogs/machine-learning/part-2-create-and-manage-amazon-emr-clusters-from-sagemaker-studio-to-run-interactive-spark-and-ml-workloads/) e do ML - Parte 2. Consulte também: + Um passo a passo da configuração do [Acessar o Apache Livy usando um Network Load Balancer em um cluster Amazon EMR habilitado para Kerberos](https://aws.amazon.com/blogs/big-data/access-apache-livy-using-a-network-load-balancer-on-a-kerberos-enabled-amazon-emr-cluster/). + AWS whitepapers sobre as [melhores práticas do SageMaker Studio ou do Studio Classic](https://docs.aws.amazon.com/whitepapers/latest/sagemaker-studio-admin-best-practices/sagemaker-studio-admin-best-practices.html).