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。
# RStudio on Amazon SageMaker AI ユーザーガイド
Amazon SageMaker AI の RStudio サポートにより、本番稼働用ワークフローを適切に配置し、SageMaker AI の機能を活用できます。以下のトピックでは、RStudio セッションを起動して主要なワークフローを完了する方法を示します。RStudio on SageMaker AI の管理方法については、「[RStudio on Amazon SageMaker AI の管理](rstudio-manage.md)」を参照してください。
RStudio を有効にして Amazon SageMaker AI ドメイン作成するためのオンボーディング手順については、「[Amazon SageMaker AI ドメインの概要](gs-studio-onboard.md)」を参照してください。
RStudio on SageMaker AI がサポートされている AWS リージョンについては、「」を参照してください [サポートされているリージョンおよびクォータ](regions-quotas.md)。
**Topics**
+ [
## RStudio でのコラボレーション
](#rstudio-collaborate)
+ [
## ベース R イメージ
](#rstudio-base-image)
+ [
## RSession アプリケーションのコロケーション
](#rstudio-colocation)
+ [
# RStudio Launcher から RSessions を起動する
](rstudio-launcher.md)
+ [
# セッションを停止する
](rstudio-launcher-suspend.md)
+ [
# RSessions を削除する
](rstudio-launcher-delete.md)
+ [
# RStudio Connect
](rstudio-connect.md)
+ [
# Amazon SageMaker AI の機能の RStudio on Amazon SageMaker AI との統合
](rstudio-sm-features.md)
## RStudio でのコラボレーション
RStudio プロジェクトを共有するため、RStudio を Git リポジトリに接続できます。この設定の詳細については、「[Git と SVN のバージョン管理](https://support.rstudio.com/hc/en-us/articles/200532077-Version-Control-with-Git-and-SVN)」を参照してください。
現時点では、RStudio on Amazon SageMaker AI を使用する場合、プロジェクト共有、リアルタイムコラボレーションはサポートされていません。
## ベース R イメージ
RStudio インスタンスを起動すると、ベース R イメージがインスタンスのベースとして機能します。このイメージは、[r-session-complete](https://hub.docker.com/r/rstudio/r-session-complete) Docker イメージを拡張します。
この Base R イメージには、次のものが含まれます。
+ R v4.0 以上
+ `awscli`、`sagemaker`、`boto3` Python パッケージ
+ R SDK 統合用の [Reticulate](https://rstudio.github.io/reticulate/) パッケージ
## RSession アプリケーションのコロケーション
ユーザーは同じインスタンスに複数の RSession アプリケーションを作成できます。各インスタンスタイプは、最大 4 つのコロケーションされた RSession アプリケーションをサポートします。これは各ユーザーに個別に適用されます。例えば、2 人のユーザーがアプリケーションを作成する場合、SageMaker AI は各ユーザーに異なる基盤のインスタンスを割り当てます。これらの各インスタンスは 4 つの RSession アプリケーションをサポートします。
お客様は、インスタンス上で実行されている Rsession アプリケーションの数に関係なく、使用したインスタンスタイプに対してのみ料金を支払います。ユーザーが別の関連付けられたインスタンスタイプで RSession を作成すると、基礎となる新しいインスタンスが作成されます。
# RStudio Launcher から RSessions を起動する
**重要**
Amazon SageMaker Studio または Amazon SageMaker Studio Classic に Amazon SageMaker リソースの作成を許可するカスタム IAM ポリシーでは、これらのリソースにタグを追加するアクセス許可も付与する必要があります。Studio と Studio Classic は、作成したリソースに自動的にタグ付けするため、リソースにタグを追加するアクセス許可が必要になります。IAM ポリシーで Studio と Studio Classic によるリソースの作成が許可されていても、タグ付けが許可されていない場合は、リソースを作成しようとしたときに「AccessDenied」エラーが発生する可能性があります。詳細については、「[SageMaker AI リソースにタグ付けのアクセス許可を付与する](security_iam_id-based-policy-examples.md#grant-tagging-permissions)」を参照してください。
SageMaker リソースを作成するためのアクセス許可を付与する [AWS Amazon SageMaker AI の マネージドポリシー](security-iam-awsmanpol.md) には、それらのリソースの作成中にタグを追加するためのアクセス許可もあらかじめ含まれています。
以下のセクションでは、RStudio Launcher を使用して RSession を起動する方法を示します。また、RStudio on Amazon SageMaker AI を使用する際に RStudio Launcher を開く方法についても説明します。
## RStudio Launcher を開く
RStudio Launcher を開くには、環境に合わせて以下の一連の手順を使用します。
### Amazon SageMaker AI コンソールから RStudio Launcher を開くするには
1. Amazon SageMaker AI コンソール ([https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)) を開きます。
1. 左のナビゲーションで、**[RStudio]** を選択します。
1. **[使用を開始]** で、起動するドメインとユーザープロファイルを選択します。
1. **[RStudio を起動]** を選択します。
### Amazon SageMaker Studio から RStudio Launcher を開く
1. 「[Amazon SageMaker Studio を起動する](studio-updated-launch.md)」の手順に従って Studio に移動します。
1. **[アプリケーション]** で **[RStudio]** を選択します。
1. RStudioの ランディングページから、**[アプリケーションの起動]** を選択します。
### から RStudio Launcher を開く AWS CLI
を使用して RStudio Launcher を開く手順は AWS CLI 、ユーザーの管理に使用される方法によって異なります。
**AWS IAM アイデンティティセンター**
1. AWS アクセスポータルを使用して Amazon SageMaker AI ドメインを開きます。
1. 次のように、URL パスを「/rstudio/default」に変更します。
```
#Studio URL
https://.studio..sagemaker.aws/jupyter/default/lab
#modified URL
https://.studio..sagemaker.aws/rstudio/default
```
**IAM**
IAM モードで から RStudio Launcher AWS CLI を開くには、次の手順を実行します。
1. 次のコマンドを使用して、署名付き URL を作成します。
```
aws sagemaker create-presigned-domain-url --region \
--domain-id \
--user-profile-name
```
1. 生成された URL に *&redirect=RStudioServerPro* を追加します。
1. 更新された URL に移動します。
## セッションを起動する
RStudio Launcher を起動した後、新しい RSession を作成できます。
1. **[New Session]** (新しいセッション) を選択します。
1. **セッション名**を入力します。
1. RSession を実行するインスタンスタイプを選択します。デフォルトは `ml.t3.medium` です。
1. RSession がカーネルとして使用するイメージを選択します。
1. [Start session ] (セッションの開始) を選択します。
1. セッションを作成した後、名前を選択すると開始できます。
**注記**
RSession アプリケーションと RStudioServerPro アプリケーションのバージョンが一致しないという警告が表示された場合は、RStudioServerPro アプリケーションのバージョンをアップグレードする必要があります。詳細については、「[RStudio のバージョニング](rstudio-version.md)」を参照してください。
# セッションを停止する
RStudio on Amazon SageMaker AI を使用する際に、RStudio Launcher から RSession を停止する方法について説明します。RStudio Launcher へのアクセスについては、「[RStudio Launcher から RSessions を起動する](rstudio-launcher.md)」を参照してください。
1. RStudio Launcher から、停止する RSession を特定します。
1. セッションの **[Suspend]** (停止) を選択します。
# RSessions を削除する
次の手順は、RStudio on Amazon SageMaker AI を使用する際に、RStudio Launcher から RSession を削除する方法を説明しています。RStudio Launcher へのアクセスについては、「[RStudio Launcher から RSessions を起動する](rstudio-launcher.md)」を参照してください。
1. RStudio Launcher から、削除する RSession を特定します。
1. セッションの **[Quit]** (終了) を選択します。新しい **[Quit Session]** (セッションを終了) ウィンドウが開きます。
1. **[Quit Session]** (セッションを終了) ウィンドウで、**[Force Quit]** (強制的に終了) を選択し、セッション内のすべての子プロセスを終了します。
1. **[Quit Session]** (セッションを終了) を選択して、セッションの削除を確認します。
# RStudio Connect
RStudio Connect を使用すると、データサイエンティストは、RStudio on Amazon SageMaker AI からインサイト、ダッシュボード、ウェブアプリケーションを公開できます。詳細については、「[RStudio on Amazon SageMaker AI で機械学習向けに RStudio Connect と Package Manager をホストする](https://aws.amazon.com/blogs/machine-learning/host-rstudio-connect-and-package-manager-for-ml-development-in-rstudio-on-amazon-sagemaker/)」を参照してください。
RStudio Connect の詳細については、「[RStudio Connect ユーザーガイド](https://docs.rstudio.com/connect/user/)」を参照してください。
# Amazon SageMaker AI の機能の RStudio on Amazon SageMaker AI との統合
RStudio on Amazon SageMaker AI を使用する利点の 1 つは、Amazon SageMaker AI の機能の統合です。これには、Amazon SageMaker Studio Classic と Reticulate との統合が含まれます。以下に、これらの統合に関する情報と使用例を示します。
**Amazon SageMaker Studio Classic と RStudio on Amazon SageMaker AI を使用する**
Amazon SageMaker Studio Classic インスタンスと RStudio インスタンスは、同じ Amazon EFS ファイルシステムを共有します。つまり、Studio Classic を使用してインポートおよび作成したファイルは、RStudio を使用してアクセスでき、その逆も可能です。これにより、Studio Classic と RStudio の両方を使用して同じファイルを操作でき、2 つの間でファイルを移動する必要はありません。このワークフローの詳細については、「[データサイエンティスト向けのフルマネージド RStudio on Amazon SageMaker AI の発表](https://aws.amazon.com/blogs/aws/announcing-fully-managed-rstudio-on-amazon-sagemaker-for-data-scientists)」ブログを参照してください。
**Amazon SageMaker SDK with reticulate を使用する**
-[Reticulate](https://rstudio.github.io/reticulate) パッケージは、Amazon SageMaker への API コールを行うための [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable/) への R インターフェイスとして使用されます。reticulate パッケージは R オブジェクトと Python オブジェクト間の変換を行い、Amazon SageMaker AI は大規模な機械学習 (ML) モデルをトレーニングおよびデプロイするためのサーバーレスデータサイエンス環境を提供します。Reticulate パッケージに関する一般的な情報については、「[Python への R インターフェイス](https://rstudio.github.io/reticulate/)」を参照してください。
Amazon SageMaker AI で Reticulate パッケージを使用する方法の概要を説明したブログについては、「[Amazon SageMaker AI で R を使用する](https://aws.amazon.com/blogs/machine-learning/using-r-with-amazon-sagemaker/)」を参照してください。
以下の例は、特定のユースケースで Reticulate を使用する方法を示しています。
+ Reticulate でバッチ変換を実行して予測を行う方法を説明するノートブックについては、「[Amazon SageMaker AI で R を使用して変換をバッチ処理する](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html)」を参照してください。
+ reticulate を使用してハイパーパラメータのチューニングを行い、予測を生成する方法を説明したノートブックについては、「[Amazon SageMaker AI で R を使用したハイパーパラメータの最適化](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html)」を参照してください。