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
<a name="r-guide"></a>

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](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_sagemaker_hello_world/r_sagemaker_hello_world.html)，接著在 SageMaker AI 上使用 R 進行端對端機器學習，然後完成更進階的主題，例如使用 R 指令碼進行 SageMaker 處理，以及將自己的 R 演算法帶到 SageMaker AI。

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](studio-byoi.md)。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](https://aws.amazon.com/blogs/machine-learning/bringing-your-own-r-environment-to-amazon-sagemaker-studio/)。

**Topics**
+ [SageMaker AI 中的 RStudio 支援](#rstudio-for-r)
+ [SageMaker AI 中的 R 核心](#r-sagemaker-kernel-ni)
+ [範例筆記本](#r-sagemaker-example-notebooks)
+ [在 SageMaker AI 中開始使用 R](r-sagemaker-get-started.md)

## SageMaker AI 中的 RStudio 支援
<a name="rstudio-for-r"></a>

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](rstudio.md)。

## SageMaker AI 中的 R 核心
<a name="r-sagemaker-kernel-ni"></a>

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](https://rstudio.github.io/reticulate/)：提供 R 對 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable) 的介面。reticulate 套件可在 R 和 Python 物件之間的轉譯。

## 範例筆記本
<a name="r-sagemaker-example-notebooks"></a>

**先決條件**
+ [在 SageMaker AI 上開始使用 R](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_sagemaker_hello_world/r_sagemaker_hello_world.html) - 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](https://archive.ics.uci.edu/datasets)下載[鮑魚資料集](https://archive.ics.uci.edu/ml/datasets/abalone)、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](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html) - 此範例筆記本描述如何使用 SageMaker AI 的轉換器 API 和 [XGBoost 演算法](https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html)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](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html) - 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](https://sagemaker.readthedocs.io/en/stable/tuner.html)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](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/) 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](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_byo_r_algo_hpo/tune_r_bring_your_own.html) - 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。