sagemaker-scikit-learn

Exemplo de modo local offline do SageMaker usando scikit-learn.

Execute dentro do contêiner JupyterLab do repositório, onde as variáveis de ambiente SAGEMAKER_LOCAL_* apontam para o serviço moto.

Duas imagens são usadas (ambas construídas a partir dos assets de libs/sagemaker-local/docker):

  • sagemaker-scikit-learn:train — treinamento (Dockerfile); também serve endpoints online, então carrega a pilha completa de serviço junto com sagemaker-training.
  • sagemaker-scikit-learn:inference — imagem mais enxuta, somente de inferência (Dockerfile.inference), usada pela transformação em lote offline.

Construa-as com make build-images.

  • notebooks/training.ipynb — ajuste + implantação + previsão no conjunto de dados de regressão california_housing.
  • notebooks/batch_transform.ipynb — inferência em lote offline através da imagem somente de inferência nas primeiras 20 linhas de california_housing.
  • notebooks/pipeline.ipynb — um pipeline local com TrainingStep no conjunto de dados de classificação breast_cancer.

Testes: make test executa as verificações rápidas de integração; make test-notebooks roda cada notebook de ponta a ponta (docker + moto + um kernel Jupyter, dentro da pilha offline).