Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# RStudio en la guía del usuario de Amazon SageMaker AI
Con el RStudio soporte de Amazon SageMaker AI, puede implementar sus flujos de trabajo de producción y aprovechar las funciones de SageMaker IA. Los siguientes temas muestran cómo iniciar una RStudio sesión y completar los flujos de trabajo clave. Para obtener información RStudio sobre la gestión con SageMaker IA, consulte[RStudio sobre la gestión de Amazon SageMaker AI](rstudio-manage.md).
Para obtener información sobre los pasos de incorporación para crear un dominio de Amazon SageMaker AI con la RStudio opción habilitada, consulte[Descripción general del dominio Amazon SageMaker AI](gs-studio-onboard.md).
Para obtener información sobre las AWS regiones RStudio en las que se admite la SageMaker IA, consulte[Regiones y cuotas admitidas](regions-quotas.md).
**Topics**
+ [
## Colabora en RStudio
](#rstudio-collaborate)
+ [
## Imagen de Base R
](#rstudio-base-image)
+ [
## RSession colocación de aplicaciones
](#rstudio-colocation)
+ [
# RSessions Lánzalo desde el RStudio lanzador
](rstudio-launcher.md)
+ [
# Suspende tu RSessions
](rstudio-launcher-suspend.md)
+ [
# Elimina tu RSessions
](rstudio-launcher-delete.md)
+ [
# RStudio Connect
](rstudio-connect.md)
+ [
# Integración de funciones de Amazon SageMaker AI con RStudio Amazon SageMaker AI
](rstudio-sm-features.md)
## Colabora en RStudio
Para compartir tu RStudio proyecto, puedes conectarte RStudio a tu repositorio de Git. Para obtener información sobre cómo configurarlo, consulte [Control de versiones con Git y SVN](https://support.rstudio.com/hc/en-us/articles/200532077-Version-Control-with-Git-and-SVN).
Nota: Actualmente, no se admite el uso compartido de proyectos y la colaboración en tiempo real cuando se utilizan RStudio en Amazon SageMaker AI.
## Imagen de Base R
Al lanzar la RStudio instancia, la imagen Base R sirve de base para la instancia. Esta imagen amplía la imagen de [r-session-complete](https://hub.docker.com/r/rstudio/r-session-complete)Docker.
Esta imagen de Base R incluye lo siguiente:
+ R v4.0 o superior
+ Paquetes `awscli`, `sagemaker` y `boto3` de Python
+ Paquete [reticulado](https://rstudio.github.io/reticulate/) para integración de R SDK
## RSession colocación de aplicaciones
Los usuarios pueden crear varias RSession aplicaciones en la misma instancia. Cada tipo de instancia admite hasta cuatro RSession aplicaciones colocadas en el mismo lugar. Esto se aplica a cada usuario de forma independiente. Por ejemplo, si dos usuarios crean aplicaciones, la SageMaker IA asigna distintas instancias subyacentes a cada usuario. Cada una de estas instancias admitiría 4 RSession aplicaciones.
Los clientes solo pagan por el tipo de instancia utilizado, independientemente del número de aplicaciones Rsession que se ejecuten en la instancia. Si un usuario crea una RSession con un tipo de instancia asociado diferente, se crea una nueva instancia subyacente.
# RSessions Lánzalo desde el RStudio lanzador
**importante**
Las políticas de IAM personalizadas que permiten a Amazon SageMaker Studio o Amazon SageMaker Studio Classic crear SageMaker recursos de Amazon también deben conceder permisos para añadir etiquetas a esos recursos. El permiso para añadir etiquetas a los recursos es necesario porque Studio y Studio Classic etiquetan automáticamente todos los recursos que crean. Si una política de IAM permite a Studio y Studio Classic crear recursos, pero no permite el etiquetado, se pueden producir errores de tipo AccessDenied «» al intentar crear recursos. Para obtener más información, consulte [Proporcione permisos para etiquetar los recursos de SageMaker IA](security_iam_id-based-policy-examples.md#grant-tagging-permissions).
[AWS políticas gestionadas para Amazon SageMaker AI](security-iam-awsmanpol.md)que otorgan permisos para crear SageMaker recursos ya incluyen permisos para añadir etiquetas al crear esos recursos.
En las siguientes secciones se muestra cómo utilizar el RStudio lanzador para iniciar RSessions. También incluyen información sobre cómo abrir el RStudio Launcher cuando se usa RStudio en Amazon SageMaker AI.
## Abre el lanzador RStudio
Abra el RStudio lanzador mediante el siguiente conjunto de procedimientos que se adapten a su entorno.
### Abre RStudio Launcher desde la consola Amazon SageMaker AI
1. Abre la consola Amazon SageMaker AI en [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. En el panel de navegación de la izquierda, selecciona **RStudio**.
1. En **Introducción**, seleccione el dominio y perfil de usuario que desea iniciar.
1. Elija **Iniciar RStudio**.
### Abre RStudio Launcher desde Amazon Studio SageMaker
1. Vaya a Studio siguiendo los pasos que se indican en [Lanza Amazon SageMaker Studio](studio-updated-launch.md).
1. En **Aplicaciones**, selecciona **RStudio**.
1. En la página de RStudio inicio, selecciona **Iniciar aplicación**.
### Abre RStudio Launcher desde AWS CLI
El procedimiento para abrir el RStudio lanzador AWS CLI varía según el método utilizado para gestionar los usuarios.
**Centro de identidades de IAM**
1. Usa el portal de AWS acceso para abrir tu dominio de Amazon SageMaker AI.
1. Modifique la ruta URL a "/rstudio/default" de la siguiente manera.
```
#Studio URL
https://.studio..sagemaker.aws/jupyter/default/lab
#modified URL
https://.studio..sagemaker.aws/rstudio/default
```
**IAM**
Para abrir el RStudio lanzador desde el AWS CLI modo IAM, complete el siguiente procedimiento.
1. Cree una URL prefirmada con el siguiente comando.
```
aws sagemaker create-presigned-domain-url --region \
--domain-id \
--user-profile-name
```
1. Añada *RStudioServerPro&redirect=* a la URL generada.
1. Vaya a la URL actualizada.
## Lanzamiento RSessions
Una vez que hayas lanzado el RStudio lanzador, puedes crear uno nuevo RSession.
1. Seleccione **Nueva sesión**.
1. Introduzca un **Nombre de sesión**.
1. Selecciona un tipo de instancia en el que RSession se ejecute. El valor predeterminado es `ml.t3.medium`.
1. Selecciona una imagen que RSession utilices como núcleo.
1. Haga clic en Iniciar sesión.
1. Después de crear la sesión, puede iniciarla seleccionando su nombre.
**nota**
Si recibes una advertencia de que hay una discordancia entre tu versión RSession y la de tus RStudio ServerPro aplicaciones, debes actualizar la versión de tu RStudio ServerPro aplicación. Para obtener más información, consulte [RStudio Control de versiones](rstudio-version.md).
# Suspende tu RSessions
El siguiente procedimiento muestra cómo suspender un elemento RSession desde el RStudio Launcher cuando se utiliza RStudio en Amazon SageMaker AI. Para obtener información sobre cómo acceder al RStudio lanzador, consulte. [RSessions Lánzalo desde el RStudio lanzador](rstudio-launcher.md)
1. En el RStudio lanzador, identifique lo RSession que desea suspender.
1. Seleccione **Suspender** la sesión.
# Elimina tu RSessions
El siguiente procedimiento muestra cómo eliminar un elemento RSession del RStudio Launcher cuando se utiliza RStudio en Amazon SageMaker AI. Para obtener información sobre cómo acceder al RStudio lanzador, consulte. [RSessions Lánzalo desde el RStudio lanzador](rstudio-launcher.md)
1. En el RStudio lanzador, identifique lo RSession que desee eliminar.
1. Seleccione **Salir** de la sesión. Se abrirá una nueva ventana **Salir de la sesión**.
1. En la ventana **Salir de la sesión**, seleccione **Forzar salida** para finalizar todos los procesos secundarios de la sesión.
1. Seleccione **Salir de la sesión** para confirmar la eliminación de la sesión.
# RStudio Connect
RStudio Connect permite a los científicos de datos publicar información, paneles y aplicaciones RStudio web desde Amazon SageMaker AI. Para obtener más información, consulte [Host RStudio Connect y Package Manager para el desarrollo de ML RStudio en Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/host-rstudio-connect-and-package-manager-for-ml-development-in-rstudio-on-amazon-sagemaker/).
Para obtener más información sobre RStudio Connect, consulte la [Guía del usuario de RStudio Connect](https://docs.rstudio.com/connect/user/).
# Integración de funciones de Amazon SageMaker AI con RStudio Amazon SageMaker AI
Una de las ventajas de usar RStudio Amazon SageMaker AI es la integración de las funciones de Amazon SageMaker AI. Esto incluye la integración con Amazon SageMaker Studio Classic y Reticulate. A continuación se proporcionan información sobre estas integraciones y ejemplos de su uso.
**Usa Amazon SageMaker Studio Classic y RStudio en Amazon SageMaker AI**
Amazon SageMaker Studio Classic y RStudio las instancias comparten el mismo sistema de archivos de Amazon EFS. Esto significa que se puede acceder a los archivos que importe y cree con Studio Classic utilizando RStudio y viceversa. Esto le permite trabajar en los mismos archivos con Studio Classic y RStudio sin tener que mover los archivos entre ambos. Para obtener más información sobre este flujo de trabajo, consulte el blog [Anunciando Fully Managed RStudio on Amazon SageMaker AI for Data Scientists](https://aws.amazon.com/blogs/aws/announcing-fully-managed-rstudio-on-amazon-sagemaker-for-data-scientists).
**Usa Amazon SageMaker SDK con reticulate**
El paquete [reticulado](https://rstudio.github.io/reticulate) se utiliza como una interfaz R para el [SDK de Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable/) para realizar llamadas de API a Amazon. SageMaker El paquete reticulado traduce entre objetos R y Python, y Amazon SageMaker AI proporciona un entorno de ciencia de datos sin servidor para entrenar e implementar modelos de Machine Learning (ML) a escala. Para obtener más información sobre el paquete reticulado, consulte [Interfaz R con Python](https://rstudio.github.io/reticulate/).
Para ver un blog que describe cómo usar el paquete reticulado con Amazon SageMaker AI, consulte Uso de [R con Amazon SageMaker ](https://aws.amazon.com/blogs/machine-learning/using-r-with-amazon-sagemaker/) AI.
En los ejemplos siguientes se muestra cómo utilizar reticulado para casos de uso específicos.
+ Para ver un cuaderno que describe cómo usar la reticulación para realizar transformaciones por lotes y hacer predicciones, consulte [Transformación por lotes con R con Amazon SageMaker AI.](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html)
+ Para ver un cuaderno que describe cómo usar la reticulación para realizar ajustes de hiperparámetros y generar predicciones, consulte [Optimización de hiperparámetros mediante R con Amazon AI. SageMaker ](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html)