Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Risorse per l'utilizzo di R con Amazon AI SageMaker
Questo documento elenca le risorse che possono aiutarti a imparare a utilizzare le funzionalità di Amazon SageMaker AI con l'ambiente software R. Le sezioni seguenti introducono il kernel R integrato di SageMaker AI, spiegano come iniziare a usare R sull' SageMaker IA e forniscono diversi taccuini di esempio.
Gli esempi sono suddivisi in tre livelli: Principiante, Intermedio e Avanzato. Iniziano con Getting Started with R on SageMaker AI
Per informazioni su come portare la tua immagine R personalizzata in Studio, consulta Immagini personalizzate in Amazon SageMaker Studio Classic. Per un articolo di blog simile, consulta Bringing your own R environment to Amazon Studio. SageMaker
Argomenti
Supporto di RStudio nell'intelligenza artificiale SageMaker
Amazon SageMaker AI supporta RStudio come ambiente di sviluppo integrato (IDE) completamente gestito e integrato con il dominio Amazon AI. SageMaker Con l'integrazione di RStudio, puoi avviare un ambiente RStudio nel dominio per eseguire i flussi di lavoro RStudio su risorse AI. SageMaker Per ulteriori informazioni, consulta RStudio su Amazon AI SageMaker.
Kernel R in AI SageMaker
SageMaker le istanze notebook supportano R utilizzando un kernel R preinstallato. Inoltre, il kernel R ha la libreria reticulate, un'interfaccia da R a Python, quindi puoi usare le funzionalità di SageMaker AI Python SDK dall'interno di uno script R.
-
reticulatelibrary
: fornisce un'interfaccia R all'SDK Amazon Python. SageMaker Il pacchetto reticolare viene convertito tra gli oggetti R e Python.
Notebook di esempio
Prerequisiti
-
Guida introduttiva a R on SageMaker AI
: questo taccuino di esempio descrive come sviluppare script R utilizzando il kernel R di Amazon AI. SageMaker In questo notebook puoi configurare l'ambiente di SageMaker intelligenza artificiale e le autorizzazioni, scaricare il set di dati abalone dall'UCI Machine Learning Repository , eseguire alcune elaborazioni e visualizzazioni di base sui dati, quindi salvarli in formato .csv su S3.
Livello principiante
-
SageMaker AI Batch Transform con R Kernel
: questo notebook di esempio descrive come eseguire un lavoro di trasformazione in batch utilizzando l'API Transformer di AI e l'algoritmo XGBoost. SageMaker https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html Il notebook utilizza anche il set di dati Abalone.
Livello intermedio
-
Ottimizzazione degli iperparametri per XGBoost in R
: questo notebook di esempio estende i notebook per principianti precedenti che utilizzano il set di dati sugli abalone e XGBoost. Descrive come eseguire l'ottimizzazione del modello con l'ottimizzazione dell'iperparametro . Verrà inoltre illustrato come utilizzare la trasformazione batch per le previsioni in batch e come creare un endpoint del modello per effettuare previsioni in tempo reale. -
Amazon SageMaker Processing with R
: SageMaker Processing consente di preelaborare, post-elaborare ed eseguire carichi di lavoro di valutazione dei modelli. In questo esempio viene illustrato come creare uno script R per orchestrare un processo di elaborazione.
Livello avanzato
-
Addestra e implementa il tuo algoritmo R nell' SageMaker IA
: disponi già di un algoritmo R e vuoi integrarlo nell' SageMaker IA per ottimizzarlo, addestrarlo o implementarlo? Questo esempio illustra come personalizzare i contenitori SageMaker AI con pacchetti R personalizzati, fino all'utilizzo di un endpoint ospitato per l'inferenza sul modello. R-origin
