Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Framework e linguaggi di machine learning
<a name="frameworks"></a>

Amazon SageMaker AI fornisce supporto nativo per i linguaggi di programmazione e i framework di apprendimento automatico più diffusi, consentendo a sviluppatori e data scientist di sfruttare i loro strumenti e tecnologie preferiti. Questa sezione offre riferimenti per lavorare con Python e R, nonché i rispettivi kit di sviluppo software (SDK) nell'ambito dell'IA. SageMaker Inoltre, copre un'ampia gamma di framework di machine learning e deep learning, tra cui Apache MXNet,,. PyTorch TensorFlow 

Puoi usare Python e R in modo nativo nei kernel dei notebook Amazon. SageMaker Ci sono anche kernel che supportano framework specifici. Un modo molto popolare per iniziare a usare l' SageMaker intelligenza artificiale è utilizzare l'SDK Amazon Python. [ SageMaker ](https://sagemaker.readthedocs.io/en/stable) Fornisce API e contenitori Python open source che semplificano l'addestramento e l'implementazione di modelli nell' SageMaker IA, oltre a esempi da utilizzare con diversi framework di machine learning e deep learning.

Per informazioni sull'utilizzo di framework specifici o su come utilizzare R nell' SageMaker IA, consulta i seguenti argomenti.

Lingue SDK e guide utente:
+ [SDK Amazon Python SageMaker ](https://sagemaker.readthedocs.io/en/stable)
+ [R](r-guide.md)
+ [Documentazione di riferimento delle API](api-and-sdk-reference.md)

Guide ai framework di machine learning e 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)
+ [Triton Inference Server](triton.md)