Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# RStudio sulla guida per l'utente di Amazon SageMaker AI
<a name="rstudio-use"></a>

Con RStudio il supporto di Amazon SageMaker AI, puoi mettere in atto i tuoi flussi di lavoro di produzione e sfruttare le funzionalità di SageMaker intelligenza artificiale. I seguenti argomenti mostrano come avviare una RStudio sessione e completare i flussi di lavoro chiave. Per informazioni sulla gestione RStudio sull' SageMaker intelligenza artificiale, consulta[RStudio sulla gestione dell' SageMaker IA di Amazon](rstudio-manage.md). 

Per informazioni sulle fasi di onboarding per creare un dominio Amazon SageMaker AI con RStudio abilitato, consulta. [Panoramica del dominio Amazon SageMaker AI](gs-studio-onboard.md)  

Per informazioni sulle AWS regioni in cui RStudio è supportata l' SageMaker intelligenza artificiale, consulta. [Regioni e quote supportate](regions-quotas.md)  

**Topics**
+ [

## Collabora in RStudio
](#rstudio-collaborate)
+ [

## Immagine Base R
](#rstudio-base-image)
+ [

## RSession colocazione delle applicazioni
](#rstudio-colocation)
+ [

# Avvia RSessions dal RStudio Launcher
](rstudio-launcher.md)
+ [

# Sospendere il RSessions
](rstudio-launcher-suspend.md)
+ [

# Elimina il tuo RSessions
](rstudio-launcher-delete.md)
+ [

# RStudio Connect
](rstudio-connect.md)
+ [

# Integrazione delle funzionalità di Amazon RStudio AI con Amazon SageMaker AI SageMaker
](rstudio-sm-features.md)

## Collabora in RStudio
<a name="rstudio-collaborate"></a>

 Per condividere il tuo RStudio progetto, puoi connetterti RStudio al tuo repository Git. Per informazioni su come configurarlo, consulta [Controllo della versione con Git e SVN](https://support.rstudio.com/hc/en-us/articles/200532077-Version-Control-with-Git-and-SVN). 

 Nota: la condivisione di progetti e la collaborazione in tempo reale non sono attualmente supportate quando si utilizza RStudio su Amazon SageMaker AI.  

## Immagine Base R
<a name="rstudio-base-image"></a>

 All'avvio dell' RStudio istanza, l'immagine Base R funge da base dell'istanza. Questa immagine estende l'immagine [r-session-complete](https://hub.docker.com/r/rstudio/r-session-complete)Docker.  

 Questa immagine Base R include quanto segue: 
+  R v4.0 o versione successiva
+  Pacchetti Python `awscli`, `sagemaker` e `boto3` 
+  Pacchetto [reticolare](https://rstudio.github.io/reticulate/) per l'integrazione con R SDK 

## RSession colocazione delle applicazioni
<a name="rstudio-colocation"></a>

Gli utenti possono creare più RSession applicazioni sulla stessa istanza. Ogni tipo di istanza supporta fino a quattro applicazioni collocate. RSession Questo vale per ogni utente in modo indipendente. Ad esempio, se due utenti creano applicazioni, l' SageMaker IA assegna istanze sottostanti diverse a ciascun utente. Ciascuna di queste istanze supporterebbe 4 applicazioni. RSession 

I clienti pagano solo per il tipo di istanza utilizzato, indipendentemente dal numero di applicazioni Rsession in esecuzione sull'istanza. Se un utente ne crea una RSession con un tipo di istanza associato diverso, viene creata una nuova istanza sottostante.

# Avvia RSessions dal RStudio Launcher
<a name="rstudio-launcher"></a>

**Importante**  
Le politiche IAM personalizzate che consentono ad Amazon SageMaker Studio o Amazon SageMaker Studio Classic di creare SageMaker risorse Amazon devono inoltre concedere le autorizzazioni per aggiungere tag a tali risorse. L’autorizzazione per aggiungere tag alle risorse è necessaria perché Studio e Studio Classic applicano automaticamente tag a tutte le risorse che creano. Se una policy IAM consente a Studio e Studio Classic di creare risorse ma non consente l'etichettatura, possono verificarsi errori AccessDenied "" durante il tentativo di creare risorse. Per ulteriori informazioni, consulta [Fornisci le autorizzazioni per etichettare SageMaker le risorse AI](security_iam_id-based-policy-examples.md#grant-tagging-permissions).  
[AWS politiche gestite per Amazon SageMaker AI](security-iam-awsmanpol.md)che danno i permessi per creare SageMaker risorse includono già le autorizzazioni per aggiungere tag durante la creazione di tali risorse.

 Le seguenti sezioni mostrano come utilizzare il RStudio Launcher per l'avvio. RSessions Includono anche informazioni su come aprire il RStudio Launcher quando si utilizza RStudio su Amazon SageMaker AI.

## Apri Launcher RStudio
<a name="rstudio-launcher-open"></a>

Apri il RStudio programma di avvio utilizzando il seguente set di procedure che corrispondono al tuo ambiente.

### Apri RStudio Launcher dalla console Amazon SageMaker AI
<a name="rstudio-launcher-console"></a>

1. Apri la console Amazon SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).

1.  Dalla barra di navigazione a sinistra, seleziona **RStudio**.

1.  In **Inizia**, seleziona il dominio e il profilo utente da avviare.

1.  Scegli **Avvia RStudio**.

### Apri RStudio Launcher da Amazon Studio SageMaker
<a name="rstudio-launcher-studio"></a>

1. Passa a Studio seguendo la procedura indicata in [Avvia Amazon SageMaker Studio](studio-updated-launch.md).

1. In **Applicazioni**, seleziona **RStudio**.

1. Dalla pagina di RStudio destinazione, scegli **Avvia applicazione**.

### Apri RStudio Launcher dal AWS CLI
<a name="rstudio-launcher-cli"></a>

La procedura per aprire il RStudio Launcher utilizzando il AWS CLI varia a seconda del metodo utilizzato per gestire gli utenti. 

 **Centro identità IAM** 

1.  Usa il portale di AWS accesso per aprire il tuo dominio Amazon SageMaker AI. 

1.  Modifica il percorso dell'URL in “/rstudio/default” come segue. 

   ```
   #Studio URL
   https://<domain-id>.studio.<region>.sagemaker.aws/jupyter/default/lab
   
   #modified URL
   https://<domain-id>.studio.<region>.sagemaker.aws/rstudio/default
   ```

 **IAM** 

 Per aprire il RStudio Launcher dalla AWS CLI modalità IAM, completa la seguente procedura. 

1.  Crea un URL prefirmato utilizzando il comando seguente. 

   ```
   aws sagemaker create-presigned-domain-url --region <REGION> \
       --domain-id <DOMAIN-ID> \
       --user-profile-name <USER-PROFILE-NAME>
   ```

1.  Aggiungi *&redirect= RStudio ServerPro* all'URL generato. 

1.  Passa all'URL aggiornato. 

## Avvia RSessions
<a name="rstudio-launcher-launch"></a>

 Dopo aver avviato il RStudio Launcher, puoi crearne uno nuovo RSession. 

1.  Seleziona **Nuova sessione**. 

1.  Inserisci un **Nome sessione**. 

1.  Seleziona un tipo di istanza su cui RSession eseguire. L'impostazione predefinita di questa opzione è `ml.t3.medium`.

1.  Seleziona un'immagine da RSession utilizzare come kernel. 

1.  Seleziona Avvia sessione. 

1.  Dopo aver creato la sessione, puoi avviarla selezionando il nome.  
**Nota**  
Se ricevi un avviso che indica che c'è una mancata corrispondenza tra la tua versione RSession e quella RStudio ServerPro delle app, devi aggiornare la versione dell'app. RStudio ServerPro Per ulteriori informazioni, consulta [RStudio Controllo delle versioni](rstudio-version.md).

# Sospendere il RSessions
<a name="rstudio-launcher-suspend"></a>

La procedura seguente mostra come sospendere un messaggio RSession dal RStudio Launcher quando viene utilizzato su RStudio Amazon AI. SageMaker Per informazioni sull'accesso al RStudio Launcher, consulta. [Avvia RSessions dal RStudio Launcher](rstudio-launcher.md)

1. Dal RStudio Launcher, identifica RSession quello che desideri sospendere. 

1. Seleziona **Sospendi** per la sessione. 

# Elimina il tuo RSessions
<a name="rstudio-launcher-delete"></a>

La procedura seguente mostra come eliminare un file RSession dal RStudio Launcher quando lo si utilizza RStudio su Amazon SageMaker AI. Per informazioni sull'accesso al RStudio Launcher, consulta. [Avvia RSessions dal RStudio Launcher](rstudio-launcher.md)

1. Dal RStudio Launcher, identifica quello RSession che desideri eliminare. 

1. Seleziona **Esci** per la sessione. Si apre una nuova finestra **Esci dalla sessione**. 

1. Dalla finestra **Esci dalla sessione**, seleziona **Uscita forzata** per terminare tutti i processi secondari della sessione.

1. Seleziona **Esci dalla sessione** per confermare l'eliminazione della sessione.

# RStudio Connect
<a name="rstudio-connect"></a>

 RStudio Connect consente ai data scientist di pubblicare approfondimenti, dashboard e applicazioni Web da RStudio Amazon SageMaker AI. Per ulteriori informazioni, consulta [Host RStudio Connect e Package Manager per lo sviluppo di machine RStudio learning su Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/host-rstudio-connect-and-package-manager-for-ml-development-in-rstudio-on-amazon-sagemaker/).

 Per ulteriori informazioni su RStudio Connect, consulta la [RStudio Connect User Guide](https://docs.rstudio.com/connect/user/). 

# Integrazione delle funzionalità di Amazon RStudio AI con Amazon SageMaker AI SageMaker
<a name="rstudio-sm-features"></a>

 Uno dei vantaggi dell'utilizzo RStudio su Amazon SageMaker AI è l'integrazione delle funzionalità di Amazon SageMaker AI. Ciò include l'integrazione con Amazon SageMaker Studio Classic e Reticulate. Di seguito vengono fornite informazioni su queste integrazioni ed esempi per utilizzarle.

 **Usa Amazon SageMaker Studio Classic e RStudio Amazon SageMaker AI** 

 Amazon SageMaker Studio Classic e le tue RStudio istanze condividono lo stesso file system Amazon EFS. Ciò significa che è possibile accedere ai file importati e creati utilizzando Studio Classic utilizzando RStudio e viceversa. Ciò consente di lavorare sugli stessi file utilizzando Studio Classic e RStudio senza dover spostare i file tra i due. Per ulteriori informazioni su questo flusso di lavoro, consulta il blog [Announcing 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** 

Il pacchetto [reticulate](https://rstudio.github.io/reticulate) viene utilizzato come interfaccia R per Amazon [ SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable/) per effettuare chiamate API verso Amazon. SageMaker Il pacchetto reticulate traduce tra oggetti R e Python e Amazon SageMaker AI fornisce un ambiente di data science senza server per addestrare e distribuire modelli di Machine Learning (ML) su larga scala. Per informazioni generali sul pacchetto reticolare, consulta [ Interfaccia R per Python](https://rstudio.github.io/reticulate/).

Per un blog che descrive come utilizzare il pacchetto reticolato con Amazon SageMaker AI, consulta Using [R with Amazon](https://aws.amazon.com/blogs/machine-learning/using-r-with-amazon-sagemaker/) AI. SageMaker 

Negli esempi seguenti viene illustrato come utilizzare il pacchetto reticolare per casi d’uso specifici.
+ Per un taccuino che descrive come utilizzare reticulate per eseguire la trasformazione in batch per fare previsioni, consulta Batch Transform [Using R with Amazon](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html) AI. SageMaker 
+ Per un notebook che descrive come utilizzare reticulate per eseguire l'ottimizzazione degli iperparametri e generare previsioni, consulta Ottimizzazione degli iperparametri [con R con](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html) Amazon AI. SageMaker