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。

# Amazon SageMaker AI 功能與 RStudio on Amazon SageMaker AI 整合
<a name="rstudio-sm-features"></a>

 使用 RStudio on Amazon SageMaker AI 的其中一個優勢是 Amazon SageMaker AI 功能整合。這包含與 Amazon SageMaker Studio Classic 和 Reticulate 的整合。以下提供這些整合的相關資訊，以及使用這些整合的範例。

 **使用 Amazon SageMaker Studio Classic 和 RStudio on Amazon SageMaker AI** 

 您的 Amazon SageMaker Studio Classic 執行個體和 RStudio 執行個體共用相同的 Amazon EFS 檔案系統。這表示您使用 Studio Classic 匯入和建立的檔案可以使用 RStudio 存取，反之亦然。這可讓您使用 Studio Classic 和 RStudio 處理相同檔案，無需在兩者之間移動檔案。如需此工作流程的詳細資訊，請參閱[宣布適用於資料科學家的全受管 RStudio on Amazon SageMaker AI](https://aws.amazon.com/blogs/aws/announcing-fully-managed-rstudio-on-amazon-sagemaker-for-data-scientists) 部落格。

 **將 Amazon SageMaker 開發套件與 Reticulate 搭配使用** 

使用 [reticulate](https://rstudio.github.io/reticulate) 套件做為 R 介面連至 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable/)，以便對 Amazon SageMaker 執行 API 呼叫。reticulate 套件可在 R 與 Python 物件之間轉譯，而 Amazon SageMaker AI 則提供無伺服器資料科學環境，以大規模訓練和部署機器學習 (ML) 模型。如需有關 reticulate 套件的一般資訊，請參閱 [R 到 Python 的介面](https://rstudio.github.io/reticulate/)。

如需概述如何使用 reticulate 套件搭配 Amazon SageMaker 的部落格，請參閱[使用 R 搭配 Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/using-r-with-amazon-sagemaker/)。

以下範例示範如何使用特定使用案例的 reticulate。
+ 如需描述如何使用 reticulate 執行批次轉換以進行預測的筆記本，請參閱[使用 R 搭配 Amazon SageMaker AI 進行批次轉換](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html)。
+ 如需描述如何使用 reticulate 進行超參數調校和一般預測的筆記本，請參閱[使用 R 搭配 Amazon SageMaker AI 進行超參數最佳化](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html)。