在 Amazon SageMaker AI 中使用 R 的资源
本文档列出了有助于您了解如何在 R 软件环境中使用 Amazon SageMaker AI 功能的资源。以下各部分介绍 SageMaker AI 内置的 R 内核，解释如何在 SageMaker AI 中开始使用 R，并提供几个笔记本示例。
示例分为三个级别：初级、中级和高级。首先说明在 SageMaker AI 中开始使用 R
有关如何将自己的自定义 R 映像带入 Studio 中的信息，请参阅Amazon SageMaker Studio Classic 中的自定义映像。有关类似的博客文章，请参阅将自己的 R 环境带入 Amazon SageMaker Studio 中
SageMaker AI 中的 RStudio 支持
Amazon SageMaker AI 支持将 RStudio 作为与 Amazon SageMaker AI 域集成的完全托管集成式开发环境（IDE）。通过 RStudio 集成，您可以在域中启动 RStudio 环境，用于在 SageMaker AI 资源上运行 RStudio 工作流。有关更多信息，请参阅RStudio on Amazon SageMaker AI。
SageMaker AI 中的 R 内核
SageMaker 笔记本实例使用预装的 R 内核支持 R。此外，R 内核还具有 reticulate 库，这是 R 到 Python 的接口，因此，您可以从 R 脚本中使用 SageMaker AI Python SDK 的特征。
-
reticulatelibrary
：提供 R 到 Amazon SageMaker Python SDK 的接口。reticulate 程序包在 R 和 Python 对象之间转换。
示例笔记本
先决条件
-
在 SageMaker AI 中开始使用 R
- 此示例笔记本介绍了如何使用 Amazon SageMaker AI 的 R 内核开发 R 脚本。在此笔记本中，您可以设置 SageMaker AI 环境和权限，从 UCI 机器学习存储库 下载 abalone 数据集 ，对数据进行一些基本处理和可视化，然后将数据以 .csv 格式保存到 S3。
初级
-
使用 R 内核的 SageMaker AI Batch Transform
：此笔记本示例介绍了如何使用 SageMaker AI 的 Transformer API 和 XGBoost 算法执行批量转换作业。此笔记本还使用了 Abalone 数据集。
中级
-
R 中 XGBoost 的超参数优化
：本示例笔记本扩展了之前使用 Abalone 数据集和 XGBoost 的初学者笔记本。它介绍了如何使用超参数优化 进行模型优化。您还会了解如何使用批量转换进行批量预测，以及如何创建模型端点以进行实时预测。 -
Amazon SageMaker Processing with R
：SageMaker Processing 可让您预处理、后处理和运行模型评测工作负载。该示例说明了如何创建 R 脚本以编排处理作业。
高级
-
在 SageMaker AI 中训练和部署自己的 R 算法
- 您是否已经有了一个 R 算法，并希望将其引入 SageMaker AI 进行调整、训练或部署？ 该示例介绍了如何使用自定义 R 程序包自定义 SageMaker AI 容器，一直到使用托管的端点来推理 R 源模型。
