文件名称：sagemaker-deployment
文件大小：328KB
文件格式：ZIP
更新时间：2024-04-16 11:11:46
使用AWS SageMaker的机器学习部署 代码和相关文件 该存储库包含用于使用AWS SageMaker部署ML模型的代码和相关文件。 该存储库包含许多用于各种编码练习，微型项目和项目文件的教程笔记本，这些笔记本将用于补充Nanodegree的课程。 目录 讲解 是最简单的笔记本电脑，它向您介绍SageMaker生态系统以及一切如何协同工作。 所使用的数据已经是干净的表格格式，因此无需进行其他处理。 使用批处理变换方法测试拟合模型。 执行与低级笔记本相同的分析，而不是使用低级api。 结果，它有点冗长，但是，它具有更灵活的优点。 即使您仅使用其中一种方法，也要了解每种方法是一个好主意。 是同名“批量转换”笔记本上的一种变体。 它没有使用批处理转换来测试模型，而是先部署然后将测试数据发送到已部署的端点。 也是上述“批处理转换”笔记本的变体。 这次使用低级api，再次部署模型并将测试
【文件预览】：
sagemaker-deployment-master
----Tutorials()
--------index.html(2KB)
--------IMDB Sentiment Analysis - XGBoost - Web App.ipynb(54KB)
--------Boston Housing - XGBoost (Deploy) - Low Level.ipynb(23KB)
--------Boston Housing - XGBoost (Deploy) - High Level.ipynb(17KB)
--------Boston Housing - XGBoost (Batch Transform) - Low Level.ipynb(23KB)
--------Boston Housing - XGBoost (Batch Transform) - High Level.ipynb(17KB)
--------Boston Housing - Updating an Endpoint.ipynb(37KB)
--------Boston Housing - XGBoost (Hyperparameter Tuning) - High Level.ipynb(20KB)
--------Web App Diagram.svg(6KB)
--------Boston Housing - XGBoost (Hyperparameter Tuning) - Low Level.ipynb(27KB)
----Project()
--------serve()
--------SageMaker Project.ipynb(106KB)
--------SageMaker Project.html(434KB)
--------train()
--------website()
--------assets()
--------README.md(603B)
--------Web App Diagram.svg(6KB)
----LICENSE(1KB)
----README.md(7KB)
----Mini-Projects()
--------IMDB Sentiment Analysis - XGBoost (Batch Transform) - Solution.ipynb(31KB)
--------IMDB Sentiment Analysis - XGBoost (Hyperparameter Tuning).ipynb(30KB)
--------new_data.py(565B)
--------IMDB Sentiment Analysis - XGBoost (Updating a Model) - Solution.ipynb(63KB)
--------IMDB Sentiment Analysis - XGBoost (Updating a Model).ipynb(59KB)
--------IMDB Sentiment Analysis - XGBoost (Batch Transform).ipynb(29KB)
--------IMDB Sentiment Analysis - XGBoost (Hyperparameter Tuning) - Solution.ipynb(33KB)
----.gitignore(1KB)