Amazon の R ユーザーガイド SageMaker

このドキュメントでは、R を使用して Amazon SageMaker の機能を活用する方法について説明します。このガイドでは、 SageMakerの組み込み R カーネル、 で R を開始する方法 SageMaker、最後にいくつかのサンプルノートブックを紹介します。

この例は、初級、中級、上級の 3 つのレベルで構成されています。「 での R の開始方法 SageMaker」から始まり、「 での R による end-to-end 機械学習」に進み SageMaker、「R スクリプトによる処理」や「Bring-Your-Own (BYO) R アルゴリズム」から SageMaker「」などのより高度なトピックで終了します SageMaker。 

独自のカスタム R イメージを Studio に持ち込む方法については、「独自の SageMaker イメージを取り込む」を参照してください。同様のブログ記事については、「独自の R 環境を Amazon SageMaker Studio に持ち込む」を参照してください。

での RStudio サポート SageMaker

Amazon は、Amazon SageMaker ドメインと統合されたフルマネージドの統合開発環境 (IDE) として RStudio SageMaker をサポートしています。RStudio 統合を使用すると、 ドメインで RStudio 環境を起動して、 SageMaker リソースで RStudio ワークフローを実行できます。詳細については、「Amazon での RStudio SageMaker」を参照してください。

の R カーネル SageMaker

SageMaker ノートブックインスタンスは、プリインストールされた R カーネルを使用して R をサポートします。また、R カーネルには、R から Python へのインターフェイスである reticulate ライブラリがあるため、R スクリプト内から SageMaker Python SDK の機能を使用できます。

• reticulatelibrary: は Amazon SageMaker Python SDK への R インターフェイスを提供します。reticulate パッケージは、R と Python オブジェクトの間で変換されます。

で R の使用を開始する SageMaker

•  t2.medium インスタンスタイプとデフォルトのストレージサイズを使用してノートブックインスタンスを作成します。より高度なサンプルのためにインスタンスを引き続き使用する場合、または後で大きなインスタンスを作成する場合は、より高速なインスタンスとより多くのストレージを選択できます。

• ノートブックのステータスが [サービス中] になるまで待ってから、[Jupyter を開く] をクリックします。

• 利用可能な環境のリストの R カーネルを使用して、新しいノートブックを作成します。 

• 新しいノートブックを作成すると、ノートブック環境の右上隅に R ロゴが表示され、そのロゴの下にカーネルとして R が表示されます。これは、 SageMaker がこのノートブックの R カーネルを正常に起動したことを示します。

• Jupyterノートブックにいる場合、[カーネル] メニューを使用し、[カーネルの変更] オプションから R を選択することもできます。

サンプルノートブック

前提条件

での R の開始方法 SageMaker: このサンプルノートブックでは、Amazon SageMakerの R カーネルを使用して R スクリプトを開発する方法について説明します。このノートブックでは、 SageMaker 環境とアクセス許可をセットアップし、UCI Machine Learning Repository からアワビデータセットをダウンロードし、データに対して基本的な処理と視覚化を行い、データを .csv 形式として S3 に保存します。

初級レベル

SageMaker R カーネルを使用したバッチ変換: このサンプルノートブックでは、 SageMakerの Transformer API と XGBoost アルゴリズム を使用してバッチ変換ジョブを実行する方法について説明します。ノートブックは Abalone データセットも使用します。

中級レベル

R の XgBoost のハイパーパラメータ最適化: このサンプルノートブックは、Abalone データセットと XgBoost を使用する以前の初級ノートブックを拡張したものです。ハイパーパラメータの最適化を使ってモデルをチューニングする方法が説明されています。また、バッチ予測にバッチ変換を使う方法と、リアルタイム予測を行うモデルエンドポイントを作成する方法についても学習します。 

Amazon SageMaker Processing with R: SageMaker Processing を使用すると、モデル評価ワークロードを前処理、後処理、実行できます。この例では、R スクリプトを作成して、処理ジョブをオーケストレーションする方法を示します。 

上級レベル

で独自の R アルゴリズムをトレーニングしてデプロイする SageMaker： R アルゴリズムが既にある場合、それをチューニング、トレーニング、デプロイ SageMaker するために に取り込む必要がありますか？ この例では、カスタム R パッケージで SageMaker コンテナをカスタマイズする方法、R オリジンモデルで推論にホストされたエンドポイントを使用する方法を説明します。