Repolode
Enviar
aws

aws/amazon-sagemaker-examples

Coleção de notebooks Jupyter de exemplo que mostram como criar, treinar e implantar modelos de machine learning no Amazon SageMaker.

Ver no GitHubSite
Estrelas
10,994
Forks
6,951
Issues abertas
855
Último commit
há 10 dias

O que é?

Este repositório reúne notebooks Jupyter que mostram o fluxo de trabalho do Amazon SageMaker do início ao fim. Os notebooks são organizados por etapa do ciclo de vida: treinamento, customização de modelos, avaliação, inferência e MLOps. Cada notebook é independente e inclui seus próprios scripts, dados e imagens.

Os exemplos de treinamento usam a classe ModelTrainer do SageMaker Python SDK v3 e abordam treinamento distribuído, treinamento gerenciado com instâncias spot e checkpointing, uso de um container próprio e execução de código local como um job de treinamento. Os exemplos de customização de modelos abordam métodos de fine-tuning, como supervised fine-tuning, DPO, RLVR e continued pre-training. Os exemplos de inferência usam ModelBuilder e cobrem endpoints em tempo real, serverless e assíncronos, testes A/B, escalabilidade automática e implantação no Amazon Bedrock.

Os notebooks foram projetados para serem executados em SageMaker Notebook Instances, onde já vêm pré-carregados, e também podem ser executados em outros ambientes após a atualização da função IAM e a instalação das dependências. O repositório oficial é mantido pela equipe do SageMaker, e um repositório comunitário separado aceita exemplos adicionais.

Recursos principais

  • 01Notebooks organizados por etapa do ciclo de vida: treinamento, customização de modelos, avaliação, inferência e MLOps
  • 02Exemplos baseados em ModelTrainer e ModelBuilder do SageMaker Python SDK v3
  • 03Abordagem de treinamento distribuído, treinamento gerenciado com instâncias spot e uso de um container próprio
  • 04Exemplos de inferência com endpoints em tempo real, serverless e assíncronos
  • 05Exemplos de MLOps com SageMaker Pipelines, Model Registry, Feature Store e MLflow

Casos de uso

  • Aprender a treinar e implantar um modelo no SageMaker com um exemplo funcional
  • Fazer fine-tuning de um modelo fundacional com SFT, DPO ou aprendizado por reforço no SageMaker
  • Configurar um pipeline de MLOps com registro de modelos e rastreamento de linhagem
  • Comparar opções de implantação, como inferência em tempo real, serverless e em lote

Início rápido

  1. 1

    Crie uma conta da AWS

  2. 2

    Configure as permissões do usuário e da função do IAM

  3. 3

    Crie uma instância do Amazon SageMaker Notebook e um bucket do S3

  4. 4

    Abra a guia SageMaker Examples no Jupyter ou JupyterLab e execute um notebook

Antes de usar

  • É necessária uma conta da AWS, e a execução dos exemplos gera cobranças da AWS.
  • A maioria dos exemplos depende de recursos gerenciados pelo SageMaker. Por isso, para executá-los em outro ambiente, é preciso fazer modificações, como atualizar a função do IAM e instalar bibliotecas.

Em coleções

Frameworks e ambientes de aprendizado por reforçoCursos e ferramentas de ciência de dados

Tópicos

#aws#machine-learning#jupyter-notebook#mlops#deep-learning#inference#model-training#data-science#examples#reinforcement-learning

Perguntas frequentes

O que é amazon-sagemaker-examples?
Coleção de notebooks Jupyter de exemplo que mostram como criar, treinar e implantar modelos de machine learning no Amazon SageMaker. Este repositório reúne notebooks Jupyter que mostram o fluxo de trabalho do Amazon SageMaker do início ao fim. Os notebooks são organizados por etapa do ciclo de vida: treinamento, customização de modelos, avaliação, inferência e MLOps. Cada notebook é independente e inclui seus próprios scripts, dados e imagens.
amazon-sagemaker-examples é gratuito? Qual é a licença?
amazon-sagemaker-examples é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
amazon-sagemaker-examples ainda é mantido?
Manutenção ativa. O último commit de amazon-sagemaker-examples foi em 14 de out. de 2026.
Para que posso usar amazon-sagemaker-examples?
Aprender a treinar e implantar um modelo no SageMaker com um exemplo funcional Fazer fine-tuning de um modelo fundacional com SFT, DPO ou aprendizado por reforço no SageMaker Configurar um pipeline de MLOps com registro de modelos e rastreamento de linhagem Comparar opções de implantação, como inferência em tempo real, serverless e em lote
Como instalar amazon-sagemaker-examples?
Crie uma conta da AWS Configure as permissões do usuário e da função do IAM Crie uma instância do Amazon SageMaker Notebook e um bucket do S3 Abra a guia SageMaker Examples no Jupyter ou JupyterLab e execute um notebook
Onde consigo amazon-sagemaker-examples?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/aws/amazon-sagemaker-examples

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados