R Panduan Pengguna untuk Amazon SageMaker

Dokumen ini akan memandu Anda melalui cara-cara memanfaatkan SageMaker fitur Amazon menggunakan R. Panduan ini memperkenalkan SageMaker kernel R bawaan, cara memulai dengan R on SageMaker, dan akhirnya beberapa contoh notebook.

Contoh disusun dalam tiga tingkatan, Pemula, Menengah, dan Lanjutan. Mereka mulai dari Memulai dengan R on SageMaker, melanjutkan pembelajaran end-to-end mesin dengan R on SageMaker, dan kemudian menyelesaikan dengan topik yang lebih maju seperti SageMaker Processing with R script, dan algoritma Bring-Your-Own (BYO) R ke. SageMaker 

Untuk informasi tentang cara membawa gambar R kustom Anda sendiri ke Studio, lihatBawa SageMaker gambar Anda sendiri. Untuk artikel blog serupa, lihat Membawa lingkungan R Anda sendiri ke Amazon SageMaker Studio.

RStudio Support di SageMaker

Amazon SageMaker mendukung RStudio sebagai lingkungan pengembangan terintegrasi (IDE) yang dikelola sepenuhnya yang terintegrasi dengan Domain Amazon. SageMaker Dengan integrasi RStudio, Anda dapat meluncurkan lingkungan RStudio di Domain untuk menjalankan alur kerja RStudio Anda pada sumber daya. SageMaker Untuk informasi selengkapnya, lihat RStudio di Amazon SageMaker.

R Kernel di SageMaker

SageMaker instance notebook mendukung R menggunakan kernel R yang sudah diinstal sebelumnya. Selain itu, kernel R memiliki perpustakaan retikulat, antarmuka R ke Python, sehingga Anda dapat menggunakan fitur SageMaker Python SDK dari dalam skrip R.

• reticulatelibrary: menyediakan antarmuka R ke Amazon Python SDK. SageMaker Paket retikulat menerjemahkan antara objek R dan Python.

Memulai dengan R di SageMaker

•  Buat Instance Notebook menggunakan tipe instans t2.medium dan ukuran penyimpanan default. Anda dapat memilih instans yang lebih cepat dan lebih banyak penyimpanan jika Anda berencana untuk terus menggunakan instance untuk contoh yang lebih maju, atau membuat instance yang lebih besar nanti.

• Tunggu hingga status buku catatan dalam layanan, lalu klik Buka Jupyter.

• Buat notebook baru dengan kernel R dari daftar lingkungan yang tersedia. 

• Ketika notebook baru dibuat, Anda akan melihat logo R di sudut kanan atas lingkungan notebook, dan juga R sebagai kernel di bawah logo itu. Ini menunjukkan bahwa SageMaker telah berhasil meluncurkan kernel R untuk notebook ini.

• Atau, ketika Anda berada di notebook Jupyter, Anda dapat menggunakan menu Kernel, dan kemudian pilih R dari opsi Ubah Kernel.

Contoh Notebook

Prasyarat

Memulai R aktif SageMaker: Contoh buku catatan ini menjelaskan bagaimana Anda dapat mengembangkan skrip R menggunakan kernel R SageMaker Amazon. Di buku catatan ini Anda mengatur SageMaker lingkungan dan izin, mengunduh dataset abalon dari UCI Machine Learning Repository, lakukan beberapa pemrosesan dasar dan visualisasi pada data, lalu simpan data sebagai format.csv ke S3.

Tingkat Pemula

SageMakerBatch Transform menggunakan R Kernel: Contoh Notebook ini menjelaskan cara melakukan pekerjaan transformasi batch menggunakan SageMaker Transformer API dan algoritma XGBoost. Notebook ini juga menggunakan dataset Abalone.

Tingkat Menengah

Optimasi Hyperparameter untuk XGBoost di R: Notebook contoh ini memperluas notebook pemula sebelumnya yang menggunakan dataset abalone dan XGBoost. Ini menjelaskan bagaimana melakukan penyetelan model dengan optimasi hyperparameter. Anda juga akan belajar cara menggunakan transformasi batch untuk prediksi batch, serta cara membuat titik akhir model untuk membuat prediksi waktu nyata. 

Amazon SageMaker Processing dengan R: SageMakerProcessing memungkinkan Anda melakukan pra-proses, pasca-proses, dan menjalankan beban kerja evaluasi model. Contoh ini menunjukkan kepada Anda cara membuat skrip R untuk mengatur pekerjaan Processing. 

Tingkat Lanjut

Latih dan Terapkan Algoritma R Anda Sendiri di SageMaker: Apakah Anda sudah memiliki algoritma R, dan Anda ingin membawanya SageMaker untuk menyetel, melatih, atau menerapkannya? Contoh ini memandu Anda melalui cara menyesuaikan SageMaker kontainer dengan paket R khusus, hingga menggunakan titik akhir yang dihosting untuk inferensi pada model R-origin Anda.