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.

# Didacticiel pour générer des modèles avec des instances de bloc-notes
<a name="gs-console"></a>

Ce didacticiel de démarrage explique comment créer une instance de bloc-notes, ouvrir un SageMaker bloc-notes Jupyter avec un noyau préconfiguré avec l'environnement Conda pour l'apprentissage automatique et démarrer une session d' SageMaker IA pour exécuter un cycle de machine learning de bout en bout. Vous allez apprendre à enregistrer un ensemble de données dans un compartiment Amazon S3 par défaut automatiquement associé à la session d' SageMaker IA, à soumettre une tâche de formation portant sur un modèle de machine learning à Amazon EC2 et à déployer le modèle entraîné à des fins de prédiction par hébergement ou par inférence par lots via Amazon EC2. 

Ce didacticiel présente explicitement un flux ML complet d'entraînement du modèle XGBoost à partir du pool de modèles intégré à l' SageMaker IA. Vous utilisez l'ensemble de données du recensement des adultes [ des ](https://archive.ics.uci.edu/ml/datasets/adult) États-Unis et vous évaluez les performances du modèle SageMaker AI XGBoost entraîné pour prédire les revenus des individus.
+ [SageMaker AI XGBoost ](https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html) — Le [ modèle ](https://xgboost.readthedocs.io/en/latest/) XGBoost est adapté à l'environnement d' SageMaker IA et préconfiguré sous forme de conteneurs Docker. SageMaker L'IA fournit une suite d'algorithmes [https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html) intégrés préparés pour utiliser les fonctionnalités de l' SageMaker IA. Pour en savoir plus sur les algorithmes de machine learning adaptés à SageMaker l'IA, consultez [ Choisir un algorithme ](https://docs.aws.amazon.com/sagemaker/latest/dg/algorithms-choose.html) et [ utiliser les SageMaker Built-in algorithmes Amazon](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html). Pour les opérations d'API des algorithmes intégrés à l' SageMaker IA, consultez la section [ First-Party Algorithmes ](https://sagemaker.readthedocs.io/en/stable/algorithms/index.html) du SDK [https://sagemaker.readthedocs.io/en/stable](https://sagemaker.readthedocs.io/en/stable) Amazon SageMaker Python.
+ [Jeu de données du recensement des adultes](https://archive.ics.uci.edu/ml/datasets/adult) – Jeu de données de la [base de données du Bureau du recensement de 1994](http://www.census.gov/en.html) par Ronny Kohavi et Barry Becker (Data Mining and Visualization, Silicon Graphics). Le modèle SageMaker AI XGBoost est entraîné à l'aide de cet ensemble de données pour prédire si un individu gagne plus de 50 000 dollars par an ou moins.

**Topics**
+ [Création d'une instance Amazon SageMaker Notebook pour le didacticiel](gs-setup-working-env.md)
+ [Créez un bloc-notes Jupyter dans l'instance de bloc-notes SageMaker](ex1-prepare.md)
+ [Préparation d’un jeu de données](ex1-preprocess-data.md)
+ [Entraînement d’un modèle](ex1-train-model.md)
+ [Déploiement du modèle sur Amazon EC2](ex1-model-deployment.md)
+ [Évaluation du modèle](ex1-test-model.md)
+ [Nettoyez les ressources des instances Amazon SageMaker Notebook](ex1-cleanup.md)