Amazon SageMaker の R ユーザーガイド - Amazon SageMaker

「翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。」

Amazon SageMaker の R ユーザーガイド

このドキュメントでは、R を使用して Amazon SageMaker 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、SageMaker で R の使用を開始する方法 、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。これらは、「SageMaker での R の開始方法」から始まり、SageMaker の R を使用したエンドツーエンドの機械学習に進み、最後に「SageMaker に対する R スクリプト、および Bring-Your-Own (BYO) R アルゴリズムの SageMaker 処理」など高度なトピックを学習します。 

SageMaker の R カーネル

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 reticulate ライブラリ (R から Python へのインターフェイス) 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。paws は、R カーネルに追加してその他の機能を取得できるオプションのライブラリです。 

  • reticulatellibrary: Amazon SageMaker Python SDK への R インタフェースを提供します。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。

  • pawslibrary: AWS のサービスに API コールを実行するための R インターフェイスを提供します。これは boto3 の動作に似ています。paws を使用すると、Python 開発者は R を使用して EC2 や S3 などの AWS のサービスを作成、設定、管理できます。 

SageMaker の R の開始方法

  • 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の使用

前提条件

SageMaker での R の開始方法: 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設定し、UCI Machine Learning リポジトリから Abalone データセットをダウンロードし、データの基本的な処理と視覚化を行い、データを .csv 形式で S3 に保存します。

初級レベル

SageMaker の R を使用したエンドツーエンドの機械学習:  このサンプルノートブックは、以前の前提条件である使用開始方法ノートブックを拡張したものです。シェルのリング数で測定した Abalone 年齢を予測する Abalone データセットでモデルをトレーニングする方法を学びます。モデルをトレーニングしたら、エンドポイントを作成し、モデルをエンドポイントにデプロイします。エンドポイントを設定したら、モデルをテストして予測を生成できます。reticulate パッケージは Amazon SageMaker Python SDK への R インターフェイスとして使用されます。 

SageMaker 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 アルゴリズムXGBoost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。このノートブックでは、Abalone データセットも使用します。

中級レベル

R における 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 を使用する前の初級ノートブックを拡張します。 ハイパーパラメータ最適化を使用してモデルを調整する方法について説明します。また、バッチ予測にバッチ変換を使用する方法と、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説明します。 

R による Amazon SageMaker 処理: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

SageMaker 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: すでに R アルゴリズムを持っていて、それをチューニング、トレーニング、またはデプロイするために SageMaker に取り込みますか? この例では、R-Origin モデルで推論するためにホストされるエンドポイントの使用まで、カスタム R パッケージを使用して SageMaker コンテナをカスタマイズする方法について順を追って説明します。