기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon SageMaker AI에서 R을 사용하기 위한 리소스
<a name="r-guide"></a>

이 문서에는 R 소프트웨어 환경에서 Amazon SageMaker AI 기능을 사용하는 방법을 배우는 데 도움이 되는 리소스가 나와 있습니다. 다음 섹션에서는 SageMaker AI 기본 제공 R 커널을 소개하고, SageMaker AI에서 R을 시작하는 방법을 설명하고, 몇 가지 예시 노트북을 제공합니다.

예시는 초급, 중급, 고급의 세 가지 레벨로 구성됩니다. [Getting Started with R on SageMaker AI](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_sagemaker_hello_world/r_sagemaker_hello_world.html)에서 시작하여 R on SageMaker AI를 이용한 엔드투엔드 기계 학습으로 이어진 다음, R 스크립트를 사용한 SageMaker Processing 및 SageMaker AI에 자체 R 알고리즘 가져오기와 같은 고급 주제로 마무리합니다.

사용자 지정 R 이미지를 Studio로 가져오는 방법에 대한 자세한 내용은 [Amazon SageMaker Studio Classic의 사용자 지정 이미지](studio-byoi.md)을 참조하세요. 비슷한 블로그 기사를 보려면 [Amazon SageMaker Studio에 자체 R 환경 가져오기](https://aws.amazon.com/blogs/machine-learning/bringing-your-own-r-environment-to-amazon-sagemaker-studio/)를 참조하세요.

**Topics**
+ [SageMaker AI에서의 RStudio 지원](#rstudio-for-r)
+ [SageMaker AI에서의 R 커널](#r-sagemaker-kernel-ni)
+ [예제 노트북](#r-sagemaker-example-notebooks)
+ [SageMaker AI에서 R 시작하기](r-sagemaker-get-started.md)

## SageMaker AI에서의 RStudio 지원
<a name="rstudio-for-r"></a>

Amazon SageMaker AI는 Amazon SageMaker AI 도메인과 통합된 완전관리형 통합 개발 환경(IDE)으로 RStudio를 지원합니다. RStudio 통합을 통해 도메인에서 RStudio 환경을 시작하여 SageMaker AI 리소스에서 RStudio 워크플로를 실행할 수 있습니다. 자세한 내용은 [RStudio on Amazon SageMaker AI](rstudio.md) 단원을 참조하십시오.

## SageMaker AI에서의 R 커널
<a name="r-sagemaker-kernel-ni"></a>

SageMaker 노트북 인스턴스는 사전 설치된 R 커널을 사용하여 R을 지원합니다. 또한 R 커널에는 R에서 Python으로 변환하는 인터페이스인 reticulate 라이브러리가 있으므로 R 스크립트 내에서 SageMaker AI Python SDK의 기능을 사용할 수 있습니다.
+ [reticulatelibrary](https://rstudio.github.io/reticulate/): [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable)에 R 인터페이스를 제공합니다. reticulate 패키지는 R과 Python 객체 간에 변환을 수행합니다.

## 예제 노트북
<a name="r-sagemaker-example-notebooks"></a>

**사전 조건**
+ [Getting Started with R on SageMaker AI](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_sagemaker_hello_world/r_sagemaker_hello_world.html) - 이 샘플 노트북은 Amazon SageMaker AI의 R 커널을 사용하여 R 스크립트를 개발하는 방법을 설명합니다. 이 노트북에서 SageMaker AI 환경 및 권한을 설정하고, [UCI Machine Learning 리포지토리](https://archive.ics.uci.edu/datasets)에서 [abalone 데이터세트](https://archive.ics.uci.edu/ml/datasets/abalone)를 다운로드한 뒤 데이터에 대한 기본적인 처리 및 시각화 작업을 수행한 다음 데이터를 S3에 .csv 형식으로 저장합니다.

**초급 레벨**
+ [SageMaker AI Batch Transform using R Kernel](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html) - 이 샘플 노트북에서는 SageMaker AI의 변환기 API 및 [XGBoost 알고리즘](https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html)을 사용하여 일괄 변환 작업을 수행하는 방법을 설명합니다. 이 노트북은 Abalone 데이터세트도 사용합니다.

**중급 레벨**
+ [Hyperparameter Optimization for XGBoost in R](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html) - 이 샘플 노트북은 Abalone 데이터세트와 XGBoost를 사용하는 이전의 초급 노트북을 확장합니다. 이는 [하이퍼 파라미터 최적화](https://sagemaker.readthedocs.io/en/stable/tuner.html)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](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_in_sagemaker_processing/r_in_sagemaker_processing.html) - [SageMaker Processing](https://aws.amazon.com/blogs/aws/amazon-sagemaker-processing-fully-managed-data-processing-and-model-evaluation/)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**
+ [Train and Deploy Your Own R Algorithm in SageMaker AI](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_byo_r_algo_hpo/tune_r_bring_your_own.html) - 이미 R 알고리즘이 있고 이를 조정, 훈련 또는 배포하기 위해 이를 SageMaker AI에 가져오고 싶으신가요? 이 예시는 R-origin 모델에서 추론을 위해 호스팅된 엔드포인트를 사용할 수 있도록 사용자 지정 R 패키지로 SageMaker AI 컨테이너를 사용자 지정하는 방법을 안내합니다.

# SageMaker AI에서 R 시작하기
<a name="r-sagemaker-get-started"></a>

이 주제에서는 SageMaker AI에서 R 소프트웨어 환경을 사용하는 방법을 설명합니다. SageMaker AI에서 R을 사용하는 방법에 대한 추가 정보는 [Amazon SageMaker AI에서 R을 사용하기 위한 리소스](r-guide.md) 섹션을 참조하세요.

**SageMaker AI 콘솔에서 R을 시작하는 방법**

1. t2.medium 인스턴스 유형 및 기본 스토리지 크기를 사용해 [노트북 인스턴스를 만듭니다](https://docs.aws.amazon.com/sagemaker/latest/dg/howitworks-create-ws.html). 고급 예시를 위해 인스턴스를 계속 사용하거나 나중에 더 큰 인스턴스를 만들 계획인 경우, 더 빠른 인스턴스와 더 많은 스토리지를 선택할 수 있습니다.

1. 노트북의 상태가 **서비스 중**이 될 때까지 기다린 다음 **Jupyter 열기**를 선택합니다.  
![\[콘솔에서 서비스 중 상태 및 Jupyter 열기 링크의 위치입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/An-R-User-Guide-to-SageMaker/An-R-User-Guide-to-SageMaker-1.png)

1. 사용 가능한 환경 목록에서 R 커널로 새 노트북을 생성합니다.  
![\[사용 가능한 환경 목록에서 R 커널의 위치입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/An-R-User-Guide-to-SageMaker/An-R-User-Guide-to-SageMaker-2.png)

1. 새 노트북이 생성되면 노트북 환경의 오른쪽 상단 모서리에 R 로고가 표시되고, 해당 로고 아래에 커널로 R이 표시됩니다. 이는 SageMaker AI가 이 노트북에 대한 R 커널을 성공적으로 시작했음을 나타냅니다.  
![\[노트북 환경의 R 로고 및 R 커널 위치입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/An-R-User-Guide-to-SageMaker/An-R-User-Guide-to-SageMaker-3.png)

또는 Jupyter Notebook을 사용하는 경우 **커널** 메뉴를 사용하여 **커널 변경** 하위 메뉴에서 **R**을 선택할 수 있습니다.

![\[노트북 커널을 R로 변경하는 위치입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/An-R-User-Guide-to-SageMaker/An-R-User-Guide-to-SageMaker-4.png)