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。
使用 R 搭配 Amazon SageMaker AI 的資源
本文件列出可協助您了解如何使用 Amazon SageMaker AI 特徵搭配 R 軟體環境的資源。下列各節介紹 SageMaker AI 的內建 R 核心、說明如何在 SageMaker AI 上開始使用 R，以及提供數個範例筆記本。
這些範例分為三個層級：入門、中級和進階。它們首先在 SageMaker 上開始使用 R
如需如何自行提供 R 映像的詳細資訊，請參閱Amazon SageMaker Studio Classic 中的自訂映像。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
SageMaker AI 中的 RStudio 支援
Amazon SageMaker AI 支援 RStudio 做為與 Amazon SageMaker AI 網域整合的全受管整合式開發環境 (IDE)。透過 RStudio 整合，您可以在網域中啟動 RStudio 環境，以便在 SageMaker AI 資源上執行 RStudio 工作流程。如需詳細資訊，請參閱RStudio on Amazon SageMaker AI。
SageMaker AI 中的 R 核心
SageMaker 筆記本執行個體使用預先安裝的 R 核心來支援 R。此外，R 核心具有網狀程式庫 (一個 R 到 Python 的介面)，因此您可以從 R 指令碼內使用 SageMaker AI Python SDK 的功能。
-
reticulatelibrary
：提供 R 對 Amazon SageMaker Python SDK 的介面。reticulate 套件可在 R 和 Python 物件之間的轉譯。
範例筆記本
先決條件
-
在 SageMaker AI 上開始使用 R
- 此範例筆記本描述如何使用 Amazon SageMaker AI 的 R 核心開發 R 指令碼。在此筆記本中，您設定了 SageMaker AI 環境和許可、從 UCI 機器學習儲存庫 下載鮑魚資料集 、對資料執行一些基本的處理和視覺化，然後將資料以 .csv 格式儲存至 S3。
入門程度
-
使用 R 核心進行 SageMaker AI 批次轉換
- 此範例筆記本描述如何使用 SageMaker AI 的轉換器 API 和 XGBoost 演算法進行批次轉換任務。筆記本也使用鮑魚資料集。
中級程度
-
XGBoost in R 的超參數最佳化
- 此範例筆記本擴充了先前使用鮑魚資料集和 XGBoost 的入門筆記本。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 搭配 R
- SageMaker Processing 可讓您預先處理、後續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 SageMaker AI 中訓練和部署您自己的 R 演算法
- 您是否已有 R 演算法，而且想要將其帶入 SageMaker AI 來調整、訓練或部署該演算法？ 此範例為您示範如何使用自訂 R 套件來自訂 SageMaker AI 容器，最後在 R 原始模型上使用託管端點進行推論。
