本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
搭配 Amazon 使用 R 的資源 SageMaker
本文件列出可協助您了解如何搭配 R 軟體環境使用 Amazon SageMaker 功能的資源。下列各節介紹 SageMaker的內建 R 核心，說明如何在 上開始使用 R SageMaker，並提供數個範例筆記本。
這些範例分為三個層級：入門、中階和進階。它們從在 上從 R 開始 SageMaker
如需如何自行提供 R 映像的詳細資訊，請參閱攜帶您自己的 SageMaker 映像。如需類似的部落格文章，請參閱將您自己的 R 環境帶到 Amazon SageMaker Studio
RStudio 中的 支援 SageMaker
Amazon SageMaker 支援RStudio作為與 Amazon SageMaker 網域整合的完全受管整合開發環境 （IDE）。透過RStudio整合，您可以在 網域中啟動RStudio環境，以在 SageMaker 資源上執行RStudio工作流程。如需詳細資訊，請參閱RStudio 在 Amazon 上 SageMaker。
中的 R 核心 SageMaker
SageMaker 筆記本執行個體使用預先安裝的 R 核心支援 R。此外，R 核心具有網狀程式庫，即 R 至 Python 介面，因此您可以在 R 指令碼內SDK使用 SageMaker Python 的功能。
-
reticulatelibrary
：為 Amazon SageMaker Python SDK 提供 R 介面。reticulate 套件可在 R 和 Python 物件之間的轉譯。
範例筆記本
先決條件
-
R on 入門 SageMaker
– 此範例筆記本說明如何使用 Amazon SageMaker的 R 核心開發 R 指令碼。在此筆記本中，您設定 SageMaker環境和許可，從UCIMachine Learning儲存庫 下載鮑魚資料集 ，對資料進行一些基本處理和視覺化，然後將資料儲存為 .csv 格式至 S3。
入門程度
-
SageMaker 使用 R 核心進行批次轉換
– 此範例筆記本說明如何使用 SageMaker的轉換器API和XGBoost演算法 執行批次轉換工作。筆記本也會使用 Abalone 資料集。
中級程度
-
在 R XGBoost中針對 的超參數最佳化
– 此範例筆記本延伸了使用鮑魚資料集和 的先前入門筆記本XGBoost。它也描述了使用超參數最佳化 進行模型微調。您也將學習如何使用批次轉換進行批次預測，以及如何建立模型端點以進行即時預測。 -
Amazon SageMaker Processing with R
– SageMaker Processing 可讓您預先處理、後處理和執行模型評估工作負載。此範例示範如何建立 R 指令碼來協調 Processing 任務。
進階程度
-
在 中訓練和部署您自己的 R 演算法 SageMaker
：您是否已經擁有 R 演算法，並且想要將其帶入 SageMaker 以進行調校、訓練或部署？ 此範例會逐步說明如何使用自訂 R 套件自訂 SageMaker 容器，直到使用託管端點在 R 原始模型上進行推論為止。
