翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
このドキュメントでは、R ソフトウェア環境で Amazon SageMaker AI 機能を使用する方法を学ぶのに役立つリソースを一覧表示します。以下のセクションでは、SageMaker AI の組み込み R カーネルを紹介し、SageMaker AI で R の使用を開始する方法を説明し、いくつかのサンプルノートブックを提供します。
この例は、初級、中級、上級の 3 つのレベルで構成されています。R on SageMaker AI の開始方法
独自のカスタム R イメージを Studio に持ち込む方法については、「独自の SageMaker イメージを取り込む」を参照してください。同様のブログ記事については、「独自の R 環境を Amazon SageMaker Studio で使用する
SageMaker AI での RStudio サポート
Amazon SageMaker AI は、Amazon SageMaker AI ドメインと統合されたフルマネージド統合開発環境 (IDE) として RStudio をサポートしています。RStudio 統合を使用すると、ドメインで RStudio 環境を起動して、SageMaker AI リソースで RStudio ワークフローを実行できます。詳細については、「RStudio on Amazon SageMaker AI」を参照してください。
SageMaker AI の R カーネル
SageMaker ノートブックインスタンスは、プリインストールされた R カーネルを使って R をサポートします。また、R カーネルには R から Python へのインターフェイスである reticulate ライブラリがあるため、R スクリプト内から SageMaker AI Python SDK の機能を使用できます。
-
reticulatelibrary
: Amazon SageMaker Python SDK に R インターフェイスを提供します。reticulate パッケージは、R と Python オブジェクトの間で変換されます。
サンプルノートブックの例
前提条件
-
SageMaker AI での R の開始方法
– このサンプルノートブックでは、Amazon SageMaker AI の R カーネルを使用して R スクリプトを開発する方法について説明します。このノートブックでは、SageMaker AI 環境とアクセス許可をセットアップし、UCI Machine Learning Repository からアワビデータセット をダウンロードし、データに対して基本的な処理と視覚化を行い、データを .csv 形式として S3 に保存します。
初級レベル
-
R カーネルを使用した SageMaker AI バッチ変換
– このサンプルノートブックでは、SageMaker AI の Transformer API と XGBoost アルゴリズムを使用してバッチ変換ジョブを実行する方法について説明します。ノートブックは Abalone データセットも使用します。
中級レベル
-
R での XGBoost のハイパーパラメータ最適化
– このサンプルノートブックでは、abalone データセットと XGBoost を使用した以前の初級ノートブックを拡張しています。ハイパーパラメータの最適化 を使ってモデルをチューニングする方法が説明されています。また、バッチ予測にバッチ変換を使う方法と、リアルタイム予測を行うモデルエンドポイントを作成する方法についても学習します。 -
R を使用した Amazon SageMaker 処理
– SageMaker 処理 では、モデル評価ワークロードの前処理、後処理、実行を行うことができます。この例では、R スクリプトを作成して、処理ジョブをオーケストレーションする方法を示します。
上級レベル
-
SageMaker AI で独自の R アルゴリズムをトレーニングおよびデプロイ
する – R アルゴリズムが既にあり、それを SageMaker AI に取り込んでチューニング、トレーニング、デプロイしたいですか？ この例では、カスタム R パッケージで SageMaker AI コンテナをカスタマイズする方法を順を追って説明します。これは、R オリジンモデルで推論にホストされたエンドポイントを使用する方法まで続きます。
