Sumber daya untuk menggunakan R dengan Amazon SageMaker - Amazon SageMaker
RStudiodukungan di SageMakerR kernel di SageMakerNotebook contoh

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Sumber daya untuk menggunakan R dengan Amazon SageMaker

Dokumen ini mencantumkan sumber daya yang dapat membantu Anda mempelajari cara menggunakan SageMaker fitur Amazon dengan lingkungan perangkat lunak R. Bagian berikut memperkenalkan SageMaker kernel R bawaan, menjelaskan cara memulai dengan R on SageMaker, dan memberikan beberapa contoh notebook.

Contoh disusun dalam tiga tingkatan: pemula, menengah, dan lanjutan. Mereka mulai dengan Memulai dengan R on SageMaker, melanjutkan dengan pembelajaran end-to-end mesin dengan R on SageMaker, dan kemudian menyelesaikan dengan topik yang lebih maju seperti SageMaker pemrosesan dengan skrip R, dan algoritma bring-your-own R untuk SageMaker.

Untuk informasi tentang cara membawa gambar R kustom Anda sendiri ke Studio, lihatBawa SageMaker gambar Anda sendiri. Untuk artikel blog serupa, lihat Membawa lingkungan R Anda sendiri ke Amazon SageMaker Studio.

Topik

RStudiodukungan di SageMaker

Amazon SageMaker mendukung RStudio sebagai lingkungan pengembangan terintegrasi yang dikelola sepenuhnya (IDE) yang terintegrasi dengan domain Amazon SageMaker . Dengan RStudio integrasi, Anda dapat meluncurkan RStudio lingkungan di domain untuk menjalankan RStudio alur kerja Anda pada SageMaker sumber daya. Untuk informasi selengkapnya, lihat RStudiodi Amazon SageMaker.

R kernel di SageMaker

SageMaker instance notebook mendukung R menggunakan kernel R yang sudah diinstal sebelumnya. Selain itu, kernel R memiliki perpustakaan retikulat, antarmuka R ke Python, sehingga Anda dapat menggunakan fitur SageMaker Python SDK dari dalam skrip R.

Notebook contoh

Prasyarat

  • Memulai R aktif SageMaker — Contoh buku catatan ini menjelaskan bagaimana Anda dapat mengembangkan skrip R menggunakan kernel R SageMaker Amazon. Di buku catatan ini Anda mengatur SageMaker lingkungan dan izin, mengunduh dataset abalone dari UCIMachine Learning Repository, lakukan beberapa pemrosesan dasar dan visualisasi pada data, lalu simpan data sebagai format.csv ke S3.

Tingkat Pemula

Tingkat Menengah

  • Optimasi Hyperparameter untuk XGBoost dalam R — Notebook contoh ini memperluas notebook pemula sebelumnya yang menggunakan dataset abalon dan. XGBoost Ini menjelaskan bagaimana melakukan penyetelan model dengan optimasi hyperparameter. Anda juga akan belajar cara menggunakan transformasi batch untuk prediksi batch, serta cara membuat titik akhir model untuk membuat prediksi waktu nyata.

  • Amazon SageMaker Processing dengan R — SageMaker Processing memungkinkan Anda melakukan pra-proses, pasca-proses, dan menjalankan beban kerja evaluasi model. Contoh ini menunjukkan cara membuat skrip R untuk mengatur pekerjaan Processing.

Tingkat Lanjut

  • Latih dan Terapkan Algoritma R Anda Sendiri di SageMaker — Apakah Anda sudah memiliki algoritma R, dan Anda ingin membawanya SageMaker untuk menyetel, melatih, atau menerapkannya? Contoh ini memandu Anda melalui cara menyesuaikan SageMaker kontainer dengan paket R khusus, hingga menggunakan titik akhir yang dihosting untuk inferensi pada model asal-R Anda.