기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
이 문서에는 R 소프트웨어 환경에서 Amazon SageMaker AI 기능을 사용하는 방법을 배우는 데 도움이 되는 리소스가 나열되어 있습니다. 다음 섹션에서는 SageMaker AI의 내장 R 커널을 소개하고, SageMaker AI에서 R을 시작하는 방법을 설명하고, 몇 가지 예제 노트북을 제공합니다.
예시는 초급, 중급, 고급의 세 가지 레벨로 구성됩니다. SageMaker AI에서 R로 시작하기로 시작하고
사용자 지정 R 이미지를 Studio로 가져오는 방법에 대한 자세한 내용은 자체 SageMaker AI 이미지 가져오기을 참조하세요. 비슷한 블로그 기사를 보려면 Amazon SageMaker Studio에 자체 R 환경 가져오기
SageMaker AI에서의 RStudio 지원
Amazon SageMaker AI는 RStudio를 Amazon SageMaker AI 도메인과 통합된 완전 관리형 통합 개발 환경(IDE)으로 지원합니다. RStudio 통합을 사용하면 도메인에서 RStudio 환경을 시작하여 SageMaker AI 리소스에서 RStudio 워크플로를 실행할 수 있습니다. 자세한 내용은 Amazon SageMaker AI의 RStudio 단원을 참조하십시오.
SageMaker AI의 R 커널
SageMaker 노트북 인스턴스는 사전 설치된 R 커널을 사용하여 R을 지원합니다. 또한 R 커널에는 R-Python 인터페이스인 Reticulate 라이브러리가 있으므로 R 스크립트 내에서 SageMaker AI Python SDK의 기능을 사용할 수 있습니다.
-
reticulatelibrary
: Amazon SageMaker Python SDK 에 R 인터페이스를 제공합니다. reticulate 패키지는 R과 Python 객체 간에 변환을 수행합니다.
예제 노트북
사전 조건
-
SageMaker AI에서 R 시작하기
-이 샘플 노트북에서는 Amazon SageMaker AI의 R 커널을 사용하여 R 스크립트를 개발하는 방법을 설명합니다. 이 노트북에서는 SageMaker AI 환경 및 권한을 설정하고, UCI Machine Learning 리포지토리 에서 전복 데이터 세트를 다운로드하고, 데이터에 대한 몇 가지 기본 처리 및 시각화를 수행한 다음, 데이터를 .csv 형식으로 S3에 저장합니다.
초급 레벨
-
R 커널을 사용한 SageMaker AI 배치 변환
-이 샘플 노트북에서는 SageMaker AI의 변환기 API 및 XGBoost 알고리즘을 사용하여 배치 변환 작업을 수행하는 방법을 설명합니다. 노트북은 Abalone 데이터세트도 사용합니다.
중급 레벨
-
Hyperparameter Optimization for XGBoost in R
- 이 샘플 노트북은 Abalone 데이터세트와 XGBoost를 사용하는 이전의 초급 노트북을 확장합니다. 이는 하이퍼 파라미터 최적화 를 통한 모델 조정 방법에 대해 설명합니다.또한 일괄 예측을 위해 일괄 변환을 사용하는 방법과 실시간 예측을 수행하기 위해 모델 엔드포인트를 생성하는 방법도 배웁니다. -
Amazon SageMaker Processing with R
- SageMaker Processing 을 통해 모델 평가 워크로드를 사전 처리, 사후 처리 및 실행할 수 있습니다. 이 예제에서는 Processing 작업을 오케스트레이션하기 위해 R 스크립트를 생성하는 방법을 보여 줍니다.
고급 레벨
-
SageMaker AI에서 자체 R 알고리즘 훈련 및 배포
- 이미 R 알고리즘이 있으며 이를 SageMaker AI로 가져와 조정, 훈련 또는 배포하고 싶으신가요? 이 예제에서는 R 오리진 모델에서 추론을 위해 호스팅 엔드포인트를 사용하는 모든 방법에서 사용자 지정 R 패키지로 SageMaker AI 컨테이너를 사용자 지정하는 방법을 안내합니다.
