Información general sobre el laboratorio
En este laboratorio, creará un modelo de machine learning a fin de alojar las predicciones de precios y luego implementar dicho modelo para las inferencias en tiempo real. Interactuará con el modelo a través de Jupyter Notebook para verificar que esté funcionando. Luego entrenará un nuevo modelo por medio de un algoritmo alternativo e implementará esa actualización a través de la implementación azul-verde. Por último, trasladará todo el tráfico del entorno azul al verde.
Objetivos
Después de completar la parte 1 de este laboratorio, podrá hacer lo siguiente:
- implementar un modelo de machine learning con Amazon SageMaker
- actualizar un modelo para que utilice un algoritmo diferente
- implementar un modelo actualizado por medio de un método de implementación azul-verde
Requisitos previos
Los requisitos de este laboratorio son los siguientes:
- Se requiere acceso a una computadora portátil con wifi que ejecute Microsoft Windows, Mac OS X o Linux (Ubuntu, SuSE o Red Hat). No se puede acceder al entorno del laboratorio con un dispositivo iPad o una tableta, pero puede utilizar estos dispositivos para acceder a la guía del estudiante.
- Los usuarios de Microsoft Windows deben tener acceso de administrador a la computadora.
- Es necesario un navegador de Internet, como Chrome, Firefox o Internet Explorer 9 (las versiones anteriores de Internet Explorer no son compatibles).
Duración
El tiempo estimado para completar este laboratorio es de 60 minutos.
Servicios de AWS que no se utilizan en este laboratorio
En el entorno de laboratorio, los servicios de AWS que no se utilizan en este laboratorio están desactivados. Además, las capacidades de los servicios que se utilizan en este laboratorio se limitan a lo que se necesita en él. Espere recibir mensajes de error cuando acceda a otros servicios o cuando lleve a cabo acciones que no consten en la guía de este laboratorio.
Entorno del laboratorio
El entorno de este laboratorio consta de una instancia de notebook de Amazon Sagemaker con un bloc de notas de Jupyter y un archivo de datos precargados.
