Ressourcen für die Verwendung von R mit Amazon SageMaker AI

In diesem Dokument sind Ressourcen aufgeführt, mit denen Sie lernen können, wie Sie die Funktionen von Amazon SageMaker AI mit der R-Softwareumgebung verwenden können. In den folgenden Abschnitten wird der integrierte R-Kernel von SageMaker AI vorgestellt, die ersten Schritte mit R auf SageMaker AI erläutert und es werden mehrere Beispiel-Notebooks vorgestellt.

Die Beispiele sind in drei Stufen unterteilt: Anfänger, Fortgeschrittene und Fortgeschrittene. Sie beginnen mit Erste Schritte mit R auf SageMaker KI, setzen sich mit end-to-end maschinellem Lernen mit R auf SageMaker KI fort und enden dann mit fortgeschritteneren Themen wie SageMaker Verarbeitung mit R-Skript und bring-your-own R-Algorithmus zu SageMaker KI.

Informationen darüber, wie Sie Ihr eigenes benutzerdefiniertes R-Image in Studio importieren können, finden Sie unter Bringen Sie Ihr eigenes SageMaker KI-Image mit. Einen ähnlichen Blogartikel finden Sie unter Bring your own R environment to Amazon SageMaker Studio.

Themen

• RStudio Unterstützung im Bereich SageMaker KI

• R-Kernel in SageMaker KI

• Beispiel-Notebooks

• Erste Schritte mit R in SageMaker KI

RStudio Unterstützung im Bereich SageMaker KI

Amazon SageMaker AI unterstützt RStudio als vollständig verwaltete integrierte Entwicklungsumgebung (IDE), die in die Amazon SageMaker AI-Domain integriert ist. Mit der RStudio Integration können Sie eine RStudio Umgebung in der Domain starten, um Ihre RStudio Workflows auf SageMaker KI-Ressourcen auszuführen. Weitere Informationen finden Sie unter RStudio auf Amazon SageMaker AI.

R-Kernel in SageMaker KI

SageMaker Notebook-Instances unterstützen R mit einem vorinstallierten R-Kernel. Außerdem verfügt der R-Kernel über die Reticulate-Bibliothek, eine R-zu-Python-Schnittstelle, sodass Sie die Funktionen des SageMaker AI Python SDK in einem R-Skript verwenden können.

• reticulatelibrary: bietet eine R-Schnittstelle zum Amazon Python SDK. SageMaker Das Reticulate-Paket übersetzt zwischen R- und Python-Objekten.

Beispiel-Notebooks

Voraussetzungen

• Erste Schritte mit R on SageMaker AI — In diesem Beispielnotizbuch wird beschrieben, wie Sie R-Skripts mit dem R-Kernel von Amazon SageMaker AI entwickeln können. In diesem Notizbuch richten Sie Ihre SageMaker KI-Umgebung und Ihre Berechtigungen ein, laden den Abalone-Datensatz aus dem UCI Machine Learning Repository herunter, führen einige grundlegende Verarbeitungen und Visualisierungen der Daten durch und speichern die Daten dann im CSV-Format in S3.

Einsteiger

• SageMaker AI Batch Transform mit R Kernel — In diesem Beispiel-Notizbuch wird beschrieben, wie ein Batch-Transformationsjob mithilfe der Transformer-API und des XGBoostAlgorithmus von SageMaker AI ausgeführt wird. Das Notizbuch verwendet auch den Abalone-Datensatz.

Fortgeschritten

• Hyperparameter-Optimierung für XGBoost in R — Dieses Beispielnotizbuch erweitert die vorherigen Anfänger-Notebooks, die den Abalone-Datensatz und verwenden. XGBoost Es wird beschrieben, wie die Modellabstimmung mitHyperparameter-Optimierung durchgeführt wird. Außerdem erfahren Sie, wie Sie die Stapeltransformation für Stapelvorhersagen verwenden und wie Sie einen Modellendpunkt für Echtzeitvorhersagen erstellen.

• Mit Amazon SageMaker Processing with R — SageMaker Processing können Sie Modellevaluierungs-Workloads vor- und nachverarbeiten und ausführen. In diesem Beispiel wird gezeigt, wie Sie ein R-Skript erstellen, um einen Verarbeitungsauftrag zu orchestrieren.

Experte

• Trainieren und implementieren Sie Ihren eigenen R-Algorithmus in SageMaker KI — Haben Sie bereits einen R-Algorithmus und möchten ihn in die SageMaker KI integrieren, um ihn zu optimieren, zu trainieren oder einzusetzen? Dieses Beispiel führt Sie durch die Anpassung von SageMaker KI-Containern mit benutzerdefinierten R-Paketen bis hin zur Verwendung eines gehosteten Endpunkts für Inferenzen auf Ihr R-Origin-Modell.