Алгоритм создать: Создание простой блок-схемы в Visio

Содержание

блок схема онлайн — создать схему онлайн

Conversion Viewer Merger Editor Splitter Watermark AutoLayout Metadata Mindmap Flowchart Compress Organization Fishbone Timeline Prototyping Chart Floorplans

Максимум 1000 символов

Что такое блок -схема?

Блок -схема — это графическое представление о шагах. Он возник из информатики как инструмент для представления алгоритмов и логики программирования, но расширился на использование во всех других видах процессов.

В настоящее время блок -схемы играют чрезвычайно важную роль в демонстрации информации и оказании помощи рассуждениям. Они помогают нам визуализировать сложные процессы или явно делают структуру задач и задач. Блок -схема также может быть использована для определения процесса или проекта, который будет реализован.

Когда использовать блок -схему?

Чтобы развить понимание того, как делается процесс
Изучить процесс улучшения
Чтобы общаться с другими, как проходит процесс
Когда требуется лучшая связь между людьми, связанным с тем же процессом
Чтобы задокументировать процесс
При планировании проекта

Символы и определения блок -схемы

Flowline: The flowline shows the process’s direction by connecting two blocks with one another.
Termina or Terminator: Терминал или терминатор представляет собой начальную или конечную точки процесса блок -схемы.
Process: Символ процесса является наиболее распространенным компонентом блок -схемы и указывает на шаг в процессе.

Decision: This symbol represents a decision you or your team need to make to get to the next step of the process. Typically, it’s a true or false decision or a yes or no question that you need to answer.
Document: Этот символ представляет единственный документ.
Input/Output: Символ ввода/вывода представляет процесс внедрения или вывода внешних данных.

Создать блок-схемы с шаблонами

Визуализируйте идеи в диаграмме — с помощью средства создания блок-схем, разработанного, чтобы помочь вам изобразить процесс, систему или компьютерный алгоритм.

Создайте блок-схему бесплатно и загрузите ее в формате PDF, изображений или Visio. Ваша блок-схема доступна повсюду и может использоваться мгновенно с любого устройства.

Используйте готовые шаблоны, чтобы легко рисовать нужные схемы.

Login Flowchart

Org Chart

Physical Inventory

Fishbone Diagram

Org Chart2

Cross Functional

Daily Checklist

Weekly timetable

Software Project Development

Big Arow Chart

Venn Diagram.

png

Task Gantt chart.png

Would you like to report this error to the forum, so that we can look into it and resolve the issue? You will get the notification email when error is fixed.

Email:

Make this forum private, so that it will only be accessible to you and our developers

You have successfully reported the error, You will get the notification email when error is fixed. Click this link to visit the forums.

Онлайн-инструмент для создания блок-схем. Лёгкое создание блок-схем

Быстро начните работу с широким спектром блок-схем

Почему Miro — идеальный инструмент для создания блок-схем

Вдохновляющие шаблоны на все случаи

Наша обширная библиотека шаблонов поможет вам создавать разные типы блок-схем, в зависимости от требований к проектам. Начните работать в Miro с помощью шаблонов, совместно разрабатывайте проекты, повышайте чёткость и быстрее добивайтесь результатов.

Интуитивно создавайте блок-схемы

Независимо от того, разрабатываете ли вы рабочий процесс или оптимизируете процессы, используйте блок-схемы Miro. Сделайте информацию ещё более доступной и изображайте связи между различными элементами, добавляя фигуры и иконки из нашей библиотеки всего одним нажатием.

Создавайте блок-схемы как профессионал

Используйте наши инструменты стилизации, чтобы упростить сложную информацию. Просмотрите наши наборы иконок, зависимости цветовой кодировки, добавляйте ссылки и вставляйте элементы в блок-схему. Интеграции, такие как Google Документы, позволяют вам редактировать файлы непосредственно в Miro без дублирования работы.

Инструмент для создания блок-схем, которым легко обмениваться

Получайте отзывы, вносите изменения и следите за организацией с подробным обзором комментариев и повторяющихся задач. Предоставляйте участникам команды доступ к вашим блок-схемам, работайте непосредственно с ними на досках или импортируйте доски в качестве изображений, чтобы использовать их в презентациях. Кроме того, вы можете встраивать доски непосредственно в такие инструменты, как Confluence и Microsoft Teams.

Действуйте, принимайте решения и поддерживайте общую согласованность

Удерживайте всех пользователей буквально на одной странице, проводя совещания по запуску проектов и создавая планы действий в одном общем пространстве. Создав вашу блок-схему онлайн, вы можете добавлять практичные элементы в шаблоны управления проектом и преобразовывать их в запросы – всё на одной доске. Miro легко интегрируется с такими инструментами, как Jira и Asana.

Вдохновляющие шаблоны на все случаи

Интуитивно создавайте блок-схемы

Создавайте блок-схемы как профессионал

Инструмент для создания блок-схем, которым легко обмениваться

Действуйте, принимайте решения и поддерживайте общую согласованность

Часто задаваемые вопросы по инструменту для создания блок-схем

Да, инструмент создания блок-схем Miro абсолютно бесплатный. После регистрации в Miro вы можете добавить шаблон блок-схемы, воспользовавшись инструментом выбора шаблона, или создать свою блок-схему с чистого листа. Затем бесплатно пригласите к доске столько участников команды, сколько вам нужно, и начните совместную работу.
Miro – это инструмент для создания блок-схем, который позволяет быстро создавать блок-схемы с учётом ваших уникальных потребностей всего в несколько нажатий.

Вы можете создать блок-схему с нуля или настроить шаблон из нашей библиотеки. Для начала выполните следующие шаги: 1. Определите процесс, который вы хотите нанести на карту 2. Перечислите все этапы и отметьте заинтересованных сторон 3. Добавьте соответствующие символы и иконки блок-схемы из нашей библиотеки иконок 4. Свяжите этапы с линиями и стрелками 5. Поделитесь блок-схемой с заинтересованными сторонами и при необходимости повторите. В Miro вы можете пригласить участников вашей команды добавлять комментарии, стикеры, и редактировать блок-схемы непосредственно на доске.
Независимо от конкретного типа, на всех блок-схемах отображается важная информация о процессах, методологиях, пошаговых руководствах и заинтересованных сторонах. Используйте блок-схемы для управления проектами, лёгкой совместной работы и быстрого обмена информацией.
Инструмент для создания блок-схем Miro бесплатный, и вы можете использовать его для создания любой необходимой блок-схемы. С нашей помощью это легко. Вам не нужно быть профессионалом, чтобы создать собственную блок-схему в Miro. Функции нашего инструмента просты и интуитивно понятны. Начните с эскиза блок-схемы с фигурами и линиями, а затем добавьте цвета и иконки из нашей библиотеки. Попробуйте бесплатно и сообщите нам, подходит ли вам этот инструмент.

Узнать больше

Как построить алгоритм за 6 шагов

Слово «Алгоритм» похоже на слово «Искусственный интеллект» или «Машинное обучение»; это броско и звучит важно и полезно, но знает ли кто-нибудь, кроме ученого, что на самом деле означает слово «алгоритм»?

На мой взгляд, слишком мало внимания уделяется практическим вариантам использования, написанным на языке, понятном нетехническим специалистам. Эта статья об алгоритмах — моя попытка.

Следующая часть даст вам краткий, нетехнический обзор шагов, которые мы предприняли в Cervinodata, чтобы заставить наш первый алгоритм работать.

Если вы технический читатель, внизу есть раздел с более подробной информацией о технологии, которую мы использовали, чтобы заставить работать наш первый алгоритм.

Шаг 1: Определите цель алгоритма

Прежде чем вы даже начнете думать о технологии или методологии, вам необходимо определить цель, которую вы хотите достичь. Спросите себя: «Что я хочу сделать, что требует алгоритма?»

В нашем случае мы спросили себя: «Что нужно нашим клиентам, чтобы мы сделали, что требует алгоритма?»

На самом деле у нас было два запроса от нескольких клиентов, что привело к двум конкретным целям:

1. Предоставить информацию об их цене за клик (CPC), чтобы помочь маркетологу определить, достигнут ли они цели своей кампании

2. Помогите маркетологу выделить кампании, которые требуют внимания, сэкономив при этом их время, исключив ручные операции, которые обычно необходимы для идентификации этих

Основываясь на этих целях, мы решили создать алгоритм, который может делать две вещи:

1. Прогнозировать цену за клик на следующие 14 дней

2. Выявлять аномалии, которые побуждают пользователя проверить кампании конкретного клиента

Почему цена за клик (CPC)?

Цена за клик является опережающим показателем для многих маркетологов, где затраты и «созданные кампании» являются входными переменными, а клики — результатом этого (или выходными переменными).

CPC соединяет вход и выход.

Причина, по которой мы не использовали цену за конверсию, цену за транзакцию или результат на рекламу (ROAS), заключается в том, что кликов намного больше, чем конверсий или транзакций. Использование цены за клик позволяет нам получать более точные прогнозы с меньшим объемом данных. Как только прогнозы нас устраивают, мы можем использовать тот же алгоритм для уверенного тестирования стоимости транзакции или ROAS.

Шаг 2: Доступ к историческим и текущим данным

Для любого алгоритма необходимы входные данные. Нам нужно достаточное количество исторических данных, чтобы отличить тестовые данные от контрольных. Наши контрольные данные должны быть настроены так, чтобы проверять, правильно ли наш алгоритм предсказывает цену за клик. Мы используем данные от нескольких клиентов и нескольких платформ, чтобы иметь несколько проверок. Это улучшит конечный результат.

Шаг 3: Выберите правильную(ые) модель(и)

В Интернете доступно множество моделей, но вопрос в том, какую из них вам нужно приобрести, чтобы достичь своей цели?

После тестирования нескольких сложных и менее сложных моделей модель ARIMA лучше всего подходила для нашей цели. Эта относительно простая модель не требует большого количества данных или переменных (в качестве примера возьмем погоду), чтобы сделать прогноз, что делает ее более практичной.

Используемая вами модель всегда должна обеспечивать баланс между простотой и производительностью. Более сложные модели могут дать более точные результаты, но, как правило, требуется больше времени, чтобы получить правильные результаты.

Результаты для каждой платформы

Первоначально мы создали среднюю цену за клик для всех объединенных платформ, прежде чем прогнозировать цену за клик, но это не дало нам желаемых результатов.

Мы решили прогнозировать цену за клик для каждой платформы отдельно по двум причинам: во-первых, характеристики каждой платформы различны, поэтому смешивание платформ также означало уменьшение количества информации. Во-вторых, мы решили включить модель обнаружения аномалий, которая позволяла нам давать более конкретные предупреждения пользователю. Теперь мы включаем Google Ads, Facebook Ads, Adform и LinkedIn Ads. Каждая платформа имеет заметно разные характеристики, как показано на графике ниже.

Насколько вы уверены в модели?

Ни одна современная модель не сможет точно предсказать будущее. Поэтому разумно работать с доверительным интервалом (ДИ) (поскольку скриншоты на голландском языке, ДИ = BI). Для такого рода прогнозов достаточно работать с 95% ДИ. Это означает, что мы на 95% уверены, что фактическая цена за клик находится между самым низким и самым высоким порогом пропускной способности.

Чем дальше в будущее ваш прогноз, тем шире становится полоса пропускания. На приведенном ниже снимке экрана показано соответствующее представление.

Шаг 4: Тонкая настройка

Наш алгоритм имеет общие параметры или настройки (одинаковые для всех клиентов) и специальные параметры для каждой платформы. Эти специфичные для платформы параметры по-прежнему одинаковы для всех наших клиентов, но мы работаем над большей гибкостью. Это важно учитывать при построении собственного алгоритма.

Важно отметить, что поддержание работы вашего алгоритма с постоянными настройками и обслуживанием имеет решающее значение. Создание алгоритма никогда не бывает одноразовым действием, оно должно быть частью вашей долгосрочной стратегии.

Прогноз против реальности

На приведенных ниже снимках экрана вы можете увидеть несколько примеров прогноза цены за клик Cervinodata и его связь с реальностью. Сплошная линия показывает фактическую цену за клик за последние пару недель, пунктирная линия над и под закрашенной линией показывает предыдущий прогноз.

Как видите, в одних случаях оно было точным, а в других неточным. Промах в прогнозе обычно можно объяснить изменением бюджета (после того, как прогноз был выполнен).

Мы все еще не можем предсказать поведение человека. 🙂

Используйте свою голову

Даже с отличной моделью все равно полезно продолжать использовать свои собственные умственные способности и интуицию при интерпретации данных. Всегда будет контекст, влияющий на результат алгоритма, который не был учтен в модели. Подумайте, например, о важном новостном событии, исключительно жарком дне и т. д. Доверие своей интуиции позволит вам обнаружить интересные переменные, которые вы сможете добавить в более поздние версии своей модели и повысить ее точность.

Шаг 5. Визуализируйте свои результаты

Когда у вас есть окончательный результат, который вам нужен, будет разумно хорошенько подумать о том, как (и где) вы хотите его представить. Существует множество решений для панели инструментов, но мы по-прежнему предпочитаем для этого Klipfolio. Klipfolio предлагает просмотр как на экране телевизора, так и на рабочем столе, а также на мобильных устройствах и имеет отличные индикаторы, которые позволяют выделять определенные части ваших данных, требующие особого внимания.

Шаг 6. Непрерывное выполнение вашего алгоритма

После того, как мы провели несколько успешных тестов и поделились результатами с нашими клиентами, мы были достаточно уверены, чтобы начать работу над правильной инфраструктурой, которая позволяет нам непрерывно запускать алгоритм без ручной работы.

Легче сказать, чем сделать, чтобы ваш алгоритм стал надежным и постоянным. Для его настройки требуется немалая техническая работа. Но как только работа будет выполнена, вы сможете воспользоваться преимуществами и масштабировать приложение. Это было важно для нас, потому что мы ожидаем, что нам это понадобится для большего количества клиентов и большего количества данных. Но даже если вам не нужно масштабировать его, все равно необходимо настроить правильную инфраструктуру, чтобы можно было легко повторно использовать алгоритм (т. е. вам нужны скрипты, которые извлекают данные из места, запускают модель(ы ) и вернуть результаты, которые будут использоваться на информационной панели).

Мы решили реализовать алгоритм на сервере приложений, который мы называем «Предиктор». Наш движок Cervinodata используется для сбора необходимых данных. Каждую ночь механизм Cervinodata делает данные доступными для Predictor, возвращает результаты и делает их доступными через защищенный URL-адрес REST. На скриншотах видно, что мы используем Klipfolio для представления результатов. URL-адрес REST изначально подключен к Klipfolio. Это интеграция Cervinodata. Поскольку Klipfolio может автоматически обновлять данные, мы можем предоставлять нашим клиентам свежий прогноз на их панели управления каждое утро.

Детали стека технологий для технических специалистов

Для прогнозирования стоимости клика мы используем модели ARIMA: «Авторегрессионное интегрированное скользящее среднее».

В модели ARIMA выполняются два прогноза; один для CPC сегодня до 13 дней в будущем и один от 14 дней назад до вчерашнего дня.

Прогноз прошлого используется для проверки прогноза (поскольку мы можем сразу сравнить его с фактической ценой за клик).

Для обоих прогнозов используются данные из 45 точек данных, предшествующих первому дню прогноза. Другими словами, для предсказания будущего это означает, что мы используем данные за период от 45 дней до вчерашнего дня, чтобы предсказать будущее на 13 дней. А для проверочного прогноза мы используем данные из 59дней назад до 15 дней назад.

Для обнаружения аномалий мы используем scipy.signal.find_peaks. Подробнее здесь.

Для инфраструктуры Predictor мы используем кластер Google Kubernetes Engine. Подробнее здесь.

Для сбора и подготовки данных мы используем Cervinodata, а для визуализации используем Klipfolio.

Кроме того, мы используем Klipfolio API, чтобы легко копировать и вставлять информационные панели, чтобы мы могли быстро и легко развертывать информационные панели в нескольких клиентах.

О Cervinodata

Cervinodata позволяет агентствам онлайн-маркетинга и организациям среднего размера лучше и быстрее получать информацию об эффективности своих рекламных кампаний и веб-сайтов.

Мы добавляем интеллектуальные функции в наши продукты простым в использовании способом, чтобы их могли использовать не только 1% специалистов по данным, но и 99% нетехнических специалистов, которым они нужны для принятия решений.

Мы верим, что когда маркетологи сочетают интуицию с правильными цифрами, они могут значительно повысить свою эффективность. Не стесняйтесь обращаться ко мне по адресу [email protected] Если вы хотите узнать больше о нашем прогнозе цены за клик или хотите попробовать сами.

Cervinodata является продуктом Cervino Marketing. Cervino Marketing является давним партнером Klipfolio с начала 2014 года.

Создание ресурса алгоритма — Amazon SageMaker

Создание ресурса алгоритма, который можно использовать для опубликовать на AWS Marketplace указать следующую информацию:

Контейнеры Docker, содержащие обучение и, при необходимости, код вывода.
Конфигурация входных данных, которую ожидает ваш алгоритм подготовка.
Гиперпараметры, поддерживаемые вашим алгоритмом.
Метрики, которые ваш алгоритм отправляет в Amazon CloudWatch во время заданий обучения.
Типы экземпляров, которые ваш алгоритм поддерживает для обучения и вывод и поддерживает ли он распределенное обучение по нескольким экземпляры.
профили проверки, представляющие собой обучающие задания, которые SageMaker использует для проверки код обучения алгоритма и задания пакетного преобразования, которые SageMaker запускает для тестирования код вывода вашего алгоритма.
Для того, чтобы покупатели и продавцы могли быть уверены, что продукты работают в SageMaker, мы требуем, чтобы вы проверяли свои алгоритмы, прежде чем размещать их на Торговая площадка AWS. Вы можете размещать продукты на AWS Marketplace, только если проверка прошла успешно. К проверьте свои алгоритмы, SageMaker использует ваш профиль проверки и образцы данных для запуска следующих задач проверки:
1. Создайте задание на обучение в своей учетной записи, чтобы убедиться, что ваше обучение изображение работает с SageMaker.
2. Если вы включили код логического вывода в свой алгоритм, создайте модель в своем аккаунте, используя изображение вывода алгоритма и модель артефакты, созданные тренировочной работой.
3. Если вы включили код логического вывода в свой алгоритм, создайте преобразовать задание в своей учетной записи, используя модель, чтобы убедиться, что ваш изображение вывода работает с SageMaker.
Когда вы размещаете свой продукт на AWS Marketplace, входы и выходы этого процесс проверки сохраняется как часть вашего продукта и доступен для ваши покупатели. Это помогает покупателям понять и оценить продукт до они покупают это. Например, покупатели могут проверить входные данные, которые вы использовали, сгенерированные выходные данные, а также журналы и метрики, созданные вашим кодом. чем полнее ваша спецификация валидации, тем проще клиенты, чтобы оценить ваш продукт.
Примечание
В профиле проверки укажите только те данные, которые вы хотите предоставить публично.
Проверка может занять до нескольких часов. Чтобы увидеть статус заданий в вашей учетной записи, в консоли SageMaker см. Training задания и Преобразование заданий страниц. Если проверка не пройдена, вы можете получить доступ к отчетам о сканировании и проверке из Консоль Sage Maker. Если будут обнаружены какие-либо проблемы, вам придется создать алгоритм очередной раз.
Примечание
Чтобы опубликовать свой алгоритм на AWS Marketplace, необходимо создать хотя бы один профиль проверки. обязательный.

Вы можете создать алгоритм с помощью консоли SageMaker или SageMaker API.

Темы

Создание ресурса алгоритма (Консоль)
Создать ресурс алгоритма (API)

Создать ресурс алгоритма (Консоль)

Для создания ресурса алгоритма (консоли)

Откройте консоль SageMaker по адресу https://console.aws.amazon.com/sagemaker/.
В меню слева выберите Обучение .
В раскрывающемся меню выберите Алгоритмы , затем выберите Создать алгоритм .
О спецификациях для обучения , предоставьте следующая информация:
1. Для Имя алгоритма введите имя для вашего алгоритм. Имя алгоритма должно быть уникальным в вашей учетной записи и в регионе АВС. Имя должно содержать от 1 до 64 символов. Допустимые символы: a-z, A-Z, 0-9 и — (дефис).
2. Введите описание вашего алгоритма. Это описание появляется в консоли SageMaker и в AWS Marketplace.
3. Для обучающего образа введите путь в Amazon ECR, где ваш тренировочный контейнер сохранен.
4. Для Поддержка распределенного обучения , выберите Да , если ваш алгоритм поддерживает обучение на нескольких экземплярах. В противном случае выберите № .
5. Для Поддержка типов экземпляров для обучения , выберите типы экземпляров, которые поддерживает ваш алгоритм.
6. Для спецификации канала укажите до 8 каналов ввода данных для вашего алгоритма. Например, вы может указать 3 входных канала с именем train , 9проверка 0263 и проверка . Для каждого канал, укажите следующую информацию:
  1. Для Имя канала введите имя для канал. Имя должно содержать от 1 до 64 символов. Допустимые символы: a-z, A-Z, 0-9 и — (дефис).
  2. Чтобы запросить канал для вашего алгоритма, выберите Требуется канал .
  3. Введите описание канала.
  4. Для Поддерживаемые режимы ввода выберите Pipe mode если ваш алгоритм поддерживает потоковую передачу входных данных и Файл режим , если ваш алгоритм поддерживает загрузка исходных данных в виде файла. Ты можешь выбрать оба.
  5. Для Поддерживаемые типы содержимого , тип тип MIME, который ваш алгоритм ожидает для ввода данные.
  6. Для Поддерживаемый тип сжатия , выберите Gzip , если ваш алгоритм поддерживает сжатие Gzip. В противном случае выберите Нет .
  7. Выберите Добавить канал , чтобы добавить еще один канал ввода данных или выберите Next если вы закончили добавлять каналы.
На странице Спецификации настройки укажите следующая информация:
1. Для Спецификация гиперпараметра укажите гиперпараметры, которые поддерживает ваш алгоритм, путем редактирования JSON-объект. Для каждого гиперпараметра, который ваш алгоритм поддерживает, создайте блок JSON, аналогичный следующее:
```
 {
«Значение по умолчанию»: «5»,
"Описание": "Первый гиперпараметр",
«Требуется»: правда,
«Настройка»: ложь,
"Имя": "intRange",
"Диапазон": {
"IntegerParameterRangeSpecification": {
«Максимальное значение»: «10»,
"Минимальное значение": "1"
},
"Тип": "Целое"
} 
```
  В JSON укажите следующее:
  1. Для DefaultValue укажите значение по умолчанию. для гиперпараметра, если он есть.
  2. Для Описание укажите описание для гиперпараметра.
  3. Для IsRequired укажите, требуется гиперпараметр.
  4. Для IsTunable укажите true можно ли настроить этот гиперпараметр, когда пользователь запускает задание настройки гиперпараметров, использующее этот алгоритм. За информацию см. в разделе «Выполнение автоматической настройки модели с помощью SageMaker».
  5. Для Имя укажите имя для гиперпараметр.
  6. Для Диапазон укажите один из далее:
    - IntegerParameterRangeSpecification — значения гиперпараметра являются целыми числами. Укажите минимальное и максимальное значения для гиперпараметр.
    - Спецификация диапазона непрерывных параметров — значения гиперпараметра значения с плавающей запятой. Укажите минимум и максимум значения гиперпараметра.
    - Спецификация диапазона категориальных параметров — значения гиперпараметра являются категориальными значения. Укажите список всех возможных значения.
  7. Для Тип укажите Целое число , Непрерывный или Категориальный . Значение должно соответствовать тип Диапазон , который вы указано.
2. Для определений метрик укажите любой метрики обучения, которые вы хотите, чтобы ваш алгоритм испускал. SageMaker использует регулярное выражение, которое вы указываете, чтобы найти метрики по анализ журналов из вашего учебного контейнера во время обучения. Пользователи могут просматривать эти показатели при выполнении заданий обучения с помощью ваш алгоритм, и они могут отслеживать и отображать метрики в Amazon CloudWatch. Дополнительные сведения см. в разделе Мониторинг и анализ учебных заданий с помощью Amazon CloudWatch. Метрики. Для каждой метрики укажите следующую информацию:
  1. Для Имя метрики введите имя для метрика.
  2. Для Regex введите регулярное выражение который SageMaker использует для анализа журналов обучения, чтобы он мог найти значение показателя.
  3. Для Опора объектива выберите Да , если эта метрика может быть используется в качестве объективной метрики для настройки гиперпараметров работа. Дополнительные сведения см. в разделе «Выполнение автоматической настройки модели с помощью SageMaker».
  4. Выберите Добавить показатель , чтобы добавить еще один метрика или выберите Далее если вы завершено добавление метрик.
На странице спецификаций вывода укажите следующую информацию, если ваш алгоритм поддерживает вывод:
1. Для Расположение образа вывода введите путь в Amazon ECR, где хранится ваш контейнер логических выводов.
2. Для DNS-имени хоста контейнера введите имя хоста DNS для вашего образа.
3. Для Поддерживаемые типы экземпляров для реального времени вывод , выберите типы экземпляров, которые Алгоритм поддерживает модели, развернутые как размещенные конечные точки в SageMaker. Дополнительные сведения см. в разделе Развертывание моделей для логического вывода.
4. Для Поддерживаемые типы экземпляров для пакетного преобразования job , выберите типы инстансов, которые Алгоритм поддерживает задания пакетного преобразования. Для информации, см. Использование пакетного преобразования.
5. Для Поддерживаемые типы содержимого введите тип входных данных, которые ваш алгоритм ожидает для вывода Запросы.
6. Для Поддерживаемые типы ответов MIME , тип типы MIME, которые ваш алгоритм поддерживает для логического вывода ответы.
7. Выбрать Далее .
На странице спецификаций проверки укажите следующую информацию:
1. Для Опубликуйте этот алгоритм на AWS Marketplace , выберите Да , чтобы опубликовать алгоритм на Торговая площадка AWS.
2. Для Проверить этот ресурс , выбрать Да , если вы хотите, чтобы SageMaker выполнял обучающие задания и/или задания пакетного преобразования, которые вы указываете для проверки обучения и/или логического вывода код вашего алгоритма.
  Примечание
  Чтобы опубликовать свой алгоритм на AWS Marketplace, он должен быть подтверждено.
3. Для роли IAM выберите роль IAM, имеет необходимые разрешения для запуска обучающих заданий и пакетной обработки преобразовать задания в SageMaker или выбрать Создать новый роль , чтобы позволить SageMaker создать роль с AmazonSageMakerFullAccess управляемая политика прикрепил. Дополнительные сведения см. в разделе Роли SageMaker.
4. Для Профиль проверки укажите далее:
  - Имя профиля проверки.
  - A Определение задания по обучению . Этот представляет собой блок JSON, описывающий задание обучения. Это в том же формате, что и ввод TrainingJobDefinition . параметр API CreateAlgorithm .
  - A Определение задания преобразования . Этот — это блок JSON, описывающий задание пакетного преобразования. Это в том же формате, что и TransformJobDefinition ввод параметр API CreateAlgorithm .