기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# RStudio on Amazon SageMaker AI를 통한 Amazon SageMaker AI 기능 통합
<a name="rstudio-sm-features"></a>

 RStudio on Amazon SageMaker AI를 사용할 때의 이점 중 하나는 Amazon SageMaker AI 기능의 통합입니다. 여기에는 Amazon SageMaker Studio Classic 및 Reticulate와의 통합이 포함됩니다. 다음은 이러한 통합에 대한 정보와 이를 사용하기 위한 예제입니다.

 **Amazon SageMaker Studio Classic 및 RStudio on Amazon SageMaker AI 사용** 

 Amazon SageMaker Studio Classic 및 RStudio 인스턴스는 동일한 Amazon EFS 파일 시스템을 공유합니다. 즉, Studio Classic을 사용하여 가져오고 만든 파일은 RStudio를 사용하여 액세스할 수 있으며 그 반대의 경우도 마찬가지입니다. 이렇게 하면 Studio Classic과 RStudio를 모두 사용하여 두 파일 간에 파일을 이동할 필요 없이 동일한 파일에서 작업할 수 있습니다. 이 워크플로에 대한 자세한 내용은 [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) 블로그를 참고하세요.

 **Amazon SageMaker SDK를 reticulate와 함께 사용하기** 

[레티큘레이트](https://rstudio.github.io/reticulate) 패키지는 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable/)에 대해 R 인터페이스로 사용되어 Amazon SageMaker에 대해 API를 직접 호출합니다. 레티큘레이트 패키지는 R 객체와 Python 객체 사이를 번역하며, Amazon SageMaker AI는 기계 학습(ML) 모델을 대규모로 훈련 및 배포할 수 있는 서버리스 데이터 과학 환경을 제공합니다. 레티큘레이트 패키지에 대한 일반 정보는 [Python에 대한 R 인터페이스](https://rstudio.github.io/reticulate/)를 참고하세요.

Amazon SageMaker AI에서 레티큘레이트 패키지를 사용하는 방법을 설명하는 블로그를 보려면 [Using R with Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/using-r-with-amazon-sagemaker/)를 참고하세요.

다음 예제에서는 특정 사용 사례에 대해 레티큘레이트를 사용 방법을 보여줍니다.
+ 레티큘레이트를 사용한 일괄 변환을 통해 예측을 수행하는 방법을 설명하는 노트북은 [Batch Transform Using R with Amazon SageMaker AI](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html)를 참고하세요.
+ 레티큘레이트를 사용하여 하이퍼파라미터 조정을 수행하고 예측을 생성하는 방법을 설명하는 노트북은 [Hyperparameter Optimization Using R with Amazon SageMaker AI](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html)를 참고하세요.