Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Cadres et langages de machine learning
<a name="frameworks"></a>

Amazon SageMaker AI fournit un support natif pour les langages de programmation et les frameworks d'apprentissage automatique les plus courants, permettant aux développeurs et aux data scientists de tirer parti de leurs outils et technologies préférés. Cette section propose des références pour travailler avec Python et R, ainsi que leurs kits de développement logiciel (SDK) respectifs au sein de l' SageMaker IA. En outre, il couvre un large éventail de frameworks d'apprentissage automatique et d'apprentissage en profondeur, notamment Apache MXNet, PyTorch, TensorFlow. 

Vous pouvez utiliser Python et R de manière native dans les noyaux de SageMaker blocs-notes Amazon. Il existe également des noyaux qui prennent en charge des frameworks spécifiques. L'utilisation du SDK [https://sagemaker.readthedocs.io/en/stable](https://sagemaker.readthedocs.io/en/stable) Amazon SageMaker Python est une méthode très populaire pour démarrer avec l' SageMaker IA. Il fournit des API et des conteneurs Python open source qui facilitent la formation et le déploiement de modèles en SageMaker IA, ainsi que des exemples à utiliser avec différents frameworks d'apprentissage automatique et d'apprentissage profond.

Pour plus d'informations sur l'utilisation de frameworks spécifiques ou sur l'utilisation de R dans l' SageMaker IA, consultez les rubriques suivantes.

Langues, kits SDK et guides de l’utilisateur :
+ [Kit de développement logiciel Amazon SageMaker Python ](https://sagemaker.readthedocs.io/en/stable)
+ [R](r-guide.md)
+ [Référence d’API](api-and-sdk-reference.md)

Guides des frameworks de machine learning et de deep learning :
+ [Apache MXNet](mxnet.md)
+ [Apache Spark](apache-spark.md)
+ [Chainer](chainer.md)
+ [Hugging Face](hugging-face.md)
+ [PyTorch](pytorch.md)
+ [Scikit-learn](sklearn.md)
+ [SparkML Serving](sparkml-serving.md)
+ [TensorFlow](tf.md)
+ [Serveur d’inférence Triton](triton.md)