在AWS Sagemaker中，可以使用不同的方式将数据传递给Estimator。以下是一些常见的数据格式和相应的代码示例：

1. CSV格式：

import sagemaker

# 定义S3路径
s3_input_train = sagemaker.s3_input(s3_data='s3://bucket-name/train.csv', content_type='csv')
s3_input_validation = sagemaker.s3_input(s3_data='s3://bucket-name/validation.csv', content_type='csv')

# 传递给Estimator
estimator.fit({'train': s3_input_train, 'validation': s3_input_validation})

2. JSON格式：

import sagemaker

# 定义S3路径
s3_input_train = sagemaker.s3_input(s3_data='s3://bucket-name/train.json', content_type='json')

# 传递给Estimator
estimator.fit({'train': s3_input_train})

3. TFRecord格式：

import sagemaker

# 定义S3路径
s3_input_train = sagemaker.s3_input(s3_data='s3://bucket-name/train.tfrecord', content_type='application/x-recordio-protobuf')

# 传递给Estimator
estimator.fit({'train': s3_input_train})

4. Parquet格式：

import sagemaker

# 定义S3路径
s3_input_train = sagemaker.s3_input(s3_data='s3://bucket-name/train.parquet', content_type='application/x-parquet')

# 传递给Estimator
estimator.fit({'train': s3_input_train})

根据数据的实际格式，选择适当的content_type进行定义和传递。这些代码示例假设数据已经上传到了S3存储桶中。