Sumber daya untuk menggunakan R dengan Amazon SageMaker AI - Amazon SageMaker AI
RStudio dukungan dalam SageMaker AIR kernel dalam SageMaker AINotebook 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 AI

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

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

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

Topik

RStudio dukungan dalam SageMaker AI

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

R kernel dalam SageMaker AI

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 AI SageMaker Python SDK dari dalam skrip R.

Notebook contoh

Prasyarat

  • Memulai R pada SageMaker AI - Contoh buku catatan ini menjelaskan bagaimana Anda dapat mengembangkan skrip R menggunakan kernel R Amazon SageMaker AI. Di buku catatan ini Anda mengatur lingkungan dan izin SageMaker AI Anda, mengunduh dataset abalon dari UCI Machine 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 AI - Apakah Anda sudah memiliki algoritma R, dan Anda ingin membawanya ke SageMaker AI untuk menyetel, melatih, atau menerapkannya? Contoh ini memandu Anda melalui cara menyesuaikan kontainer SageMaker AI dengan paket R khusus, hingga menggunakan titik akhir yang dihosting untuk inferensi pada model asal-R Anda.