Guia do usuário R para a Amazon SageMaker

Este documento mostrará maneiras de aproveitar os SageMaker recursos da Amazon usando R. Este guia apresenta o kernel R SageMaker integrado, como começar a usar o R ativado e, finalmente SageMaker, vários exemplos de notebooks.

Os exemplos são organizados em três níveis, Iniciante, Intermediário e Avançado. Eles começam com Introdução ao R ativado SageMaker, continuam com o aprendizado end-to-end de máquina com o R ativado e terminam com tópicos mais avançados SageMaker, como SageMaker Processamento com script R e algoritmo Traga seu próprio (BYO) R para. SageMaker 

Para obter informações sobre como trazer sua própria imagem R personalizada para o Studio, consulte Traga sua própria SageMaker imagem. Para um artigo de blog semelhante, consulte Trazendo seu próprio ambiente de R para o Amazon SageMaker Studio.

Suporte do RStudio em SageMaker

A Amazon SageMaker oferece suporte ao RStudio como um ambiente de desenvolvimento integrado (IDE) totalmente gerenciado e integrado ao Amazon Domain. SageMaker Com a integração do RStudio, você pode iniciar um ambiente RStudio no domínio para executar seus fluxos de trabalho do RStudio em recursos. SageMaker Para ter mais informações, consulte RStudio no Amazon SageMaker.

R Kernel em SageMaker

SageMaker instâncias de notebook oferecem suporte ao R usando um kernel R pré-instalado. Além disso, o kernel R tem a biblioteca reticulada, uma interface de R para Python, para que você possa usar os recursos do SDK do SageMaker Python de dentro de um script R.

• reticulatelibrary: fornece uma interface R para o SDK do Amazon Python. SageMaker O pacote reticulado é convertido entre objetos de R e de Python.

Comece com R em SageMaker

•  Crie uma instância de bloco de anotações usando o tipo de instância t2.medium e o tamanho de armazenamento padrão. É possível escolher uma instância mais rápida e mais armazenamento se planeja continuar usando a instância para exemplos mais avançados ou criar uma instância maior posteriormente.

• Aguarde até que o status do bloco de anotações seja Em serviço e clique em Abrir o Jupyter.

• Crie um bloco de anotações com o kernel do R pela lista de ambientes disponíveis. 

• Quando o novo bloco de anotações for criado, você deverá ver um logotipo do R no canto superior direito do ambiente do bloco de anotações, além de R como o kernel abaixo desse logotipo. Isso indica que SageMaker o kernel R foi lançado com sucesso para este notebook.

• Se preferir, quando estiver em um bloco de anotações Jupyter, você pode usar o menu Kernel e selecionar R na opção Alterar kernel.

Blocos de anotações de exemplo

Pré-requisitos

Introdução ao R on SageMaker: Este exemplo de caderno descreve como você pode desenvolver scripts R usando o kernel R SageMaker da Amazon. Neste notebook, você configura seu SageMaker ambiente e permissões, baixa o conjunto de dados abalone do UCI Machine Learning Repository, faz alguns processamentos e visualizações básicos dos dados e, em seguida, salva os dados no formato.csv no S3.

Nível Iniciante

SageMakerTransformação em lote usando R Kernel: este exemplo de notebook descreve como realizar um trabalho de transformação em lote usando SageMaker a API Transformer e o algoritmo XGBoost. O notebook também usa o conjunto de dados Abalone.

Nível Intermediário

Otimização de hiperparâmetros para XGBoost no R: esse bloco de anotações de exemplo amplia os blocos de notações iniciantes anteriores que usam o conjunto de dados abalone e o XGBoost. Ele descreve como ajustar o modelo com a otimização de hiperparâmetros. Você também aprenderá como usar a transformação em lote para previsões em lote, além de como criar um endpoint de modelo para fazer previsões em tempo real. 

Amazon SageMaker Processing with R: SageMaker Processing permite processar, pós-processar e executar cargas de trabalho de avaliação de modelos. Esse exemplo mostra como criar um script R para orquestrar um trabalho do Processing. 

Nível avançado

Treine e implante seu próprio algoritmo R em SageMaker: Você já tem um algoritmo R e deseja SageMaker ajustá-lo, treiná-lo ou implantá-lo? Esse exemplo mostra como personalizar contêineres do SageMaker com pacotes de R personalizados, até como usar um endpoint hospedado para inferência em seu modelo de origem R.