Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Ressourcen für die Verwendung von R mit Amazon SageMaker AI
In diesem Dokument sind Ressourcen aufgeführt, anhand derer Sie lernen können, wie Sie Amazon SageMaker AI-Funktionen mit der R-Softwareumgebung verwenden. In den folgenden Abschnitten wird der integrierte R-Kernel von SageMaker AI vorgestellt, es wird erklärt, wie Sie mit R on SageMaker AI beginnen, und es werden mehrere Beispiel-Notebooks vorgestellt.
Die Beispiele sind in drei Stufen unterteilt: Einsteiger, Fortgeschritten und Experte. Sie beginnen mit den ersten Schritten mit R auf SageMaker KI
Informationen darüber, wie Sie Ihr eigenes benutzerdefiniertes R-Image in Studio importieren können, finden Sie unter Benutzerdefinierte Bilder in Amazon SageMaker Studio Classic. Einen ähnlichen Blogartikel finden Sie unter Bringen Sie Ihre eigene R-Umgebung in Amazon Studio. SageMaker
Themen
RStudio-Unterstützung in KI SageMaker
Amazon SageMaker AI unterstützt RStudio als vollständig verwaltete integrierte Entwicklungsumgebung (IDE), die in die Amazon SageMaker AI-Domain integriert ist. Mit der RStudio-Integration können Sie eine RStudio-Umgebung in der Domain starten, um Ihre RStudio-Workflows auf KI-Ressourcen auszuführen. SageMaker Weitere Informationen finden Sie unter RStudio auf Amazon AI SageMaker.
R-Kernel in der KI SageMaker
SageMaker Notebook-Instanzen unterstützen R mit einem vorinstallierten R-Kernel. Außerdem verfügt der R-Kernel über die Reticulate-Bibliothek, eine R-zu-Python-Schnittstelle, sodass Sie die Funktionen des SageMaker AI Python SDK in einem R-Skript verwenden können.
-
reticulatelibrary
: stellt eine R-Schnittstelle zum Amazon Python SDK bereit. SageMaker Das Reticulate-Paket übersetzt zwischen R- und Python-Objekten.
Beispiel-Notebooks
Voraussetzungen
-
Erste Schritte mit R auf SageMaker KI
— In diesem Beispielnotizbuch wird beschrieben, wie Sie R-Skripte mithilfe des R-Kernels von Amazon SageMaker AI entwickeln können. In diesem Notizbuch richten Sie Ihre SageMaker KI-Umgebung und Ihre Berechtigungen ein, laden den Abalone-Datensatz aus dem UCI Machine Learning Repository herunter , führen einige grundlegende Verarbeitungen und Visualisierungen der Daten durch und speichern die Daten dann im CSV-Format in S3.
Einsteiger
-
SageMaker AI-Batch-Transformation mit R-Kernel
— Dieses Beispiel-Notizbuch beschreibt, wie Sie einen Batch-Transformationsjob mithilfe der Transformer-API von SageMaker AI und des XGBoost-Algorithmus durchführen. Das Notizbuch verwendet auch den Abalone-Datensatz.
Fortgeschritten
-
Hyperparameter-Optimierung für XGBoost in R:
Dieses Beispiel-Notebook erweitert die vorherigen Einsteiger-Notebooks, die der Abalone-Datensatz und XGBoost verwenden. Es wird beschrieben, wie die Modellabstimmung mitHyperparameter-Optimierung durchgeführt wird. Außerdem erfahren Sie, wie Sie die Stapeltransformation für Stapelvorhersagen verwenden und wie Sie einen Modellendpunkt für Echtzeitvorhersagen erstellen. -
Amazon SageMaker Processing with R
— SageMaker Processing ermöglicht Ihnen die Vorverarbeitung, Nachbearbeitung und Ausführung von Workloads zur Modellbewertung. In diesem Beispiel wird gezeigt, wie Sie ein R-Skript erstellen, um einen Verarbeitungsauftrag zu orchestrieren.
Experte
-
Trainieren und implementieren Sie Ihren eigenen R-Algorithmus in SageMaker KI
— Haben Sie bereits einen R-Algorithmus und möchten Sie ihn in SageMaker KI integrieren, um ihn zu optimieren, zu trainieren oder bereitzustellen? In diesem Beispiel erfahren Sie, wie Sie SageMaker KI-Container mit benutzerdefinierten R-Paketen anpassen können, bis hin zur Verwendung eines gehosteten Endpunkts für Inferenzen auf Ihrem R-origin Modell.
