本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 使用 R 和 Amazon A SageMaker I 的资源
<a name="r-guide"></a>

本文档列出了可帮助您学习如何在 R 软件环境中使用 Amazon SageMaker AI 功能的资源。以下各节介绍了 SageMaker AI 的内置 R 内核，解释了如何在 SageMaker AI 上开始使用 R，并提供了几个示例笔记本。

示例分为三个级别：初级、中级和高级。他们从 [ SageMaker AI 上的 R 入门开始，然后在 AI 上](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_sagemaker_hello_world/r_sagemaker_hello_world.html)使用 R 进行端到端的机器学习，然后是更高级的主题，例如使用 R 脚本 SageMaker 处理，以及将自己的 R 算法引入 SageMaker AI。 SageMaker 

有关如何将自己的自定义 R 映像带入 Studio 中的信息，请参阅[亚马逊 SageMaker Studio 经典版中的自定义图片](studio-byoi.md)。有关类似的博客文章，请参阅[将您自己的 R 环境引入 Amazon SageMaker Studio](https://aws.amazon.com/blogs/machine-learning/bringing-your-own-r-environment-to-amazon-sagemaker-studio/)。

**Topics**
+ [人工智能中的 SageMaker rStudio 支持](#rstudio-for-r)
+ [SageMaker 人工智能中的 R 内核](#r-sagemaker-kernel-ni)
+ [示例笔记本](#r-sagemaker-example-notebooks)
+ [开始在 SageMaker AI 中使用 R](r-sagemaker-get-started.md)

## 人工智能中的 SageMaker rStudio 支持
<a name="rstudio-for-r"></a>

Amazon SageMaker AI 支持 rStudio 作为与亚马逊 A SageMaker I 域集成的完全托管的集成开发环境 (IDE)。通过 RStudio 集成，你可以在域中启动 RStudio 环境，在人工智能资源上 SageMaker 运行 RStudio 工作流程。有关更多信息，请参阅 [亚马逊 A SageMaker I 上的 RStudio](rstudio.md)。

## SageMaker 人工智能中的 R 内核
<a name="r-sagemaker-kernel-ni"></a>

SageMaker 笔记本实例使用预安装的 R 内核支持 R。此外，R 内核还有网状库，一个 R 到 Python 接口，因此你可以在 R 脚本中使用 AI SageMaker Python SDK 的功能。
+ r@@ [eticulateLibrary](https://rstudio.github.io/reticulate/)：为亚马逊 [Python SageMaker ](https://sagemaker.readthedocs.io/en/stable) 软件开发工具包提供 R 接口。reticulate 程序包在 R 和 Python 对象之间转换。

## 示例笔记本
<a name="r-sagemaker-example-notebooks"></a>

**先决条件**
+ [ SageMaker AI 上的 R 入门](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_sagemaker_hello_world/r_sagemaker_hello_world.html) — 本示例笔记本描述了如何使用 Amazon A SageMaker I 的 R 内核开发 R 脚本。在此笔记本中，您可以设置 SageMaker AI 环境和权限，从 [UCI Machine Learning Re](https://archive.ics.uci.edu/datasets) pository 下载[鲍鱼数据集](https://archive.ics.uci.edu/ml/datasets/abalone)，对数据进行一些基本处理和可视化，然后将数据保存为.csv 格式到 S3。

**初级**
+ [SageMaker 使用 R 内核的 AI 批量转换](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_batch_transform/r_xgboost_batch_transform.html) — 此示例笔记本描述了如何使用 SageMaker AI 的 Transformer API 和 [XGBoost](https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html) 算法执行批量转换作业。 笔记本还使用了鲍鱼数据集。

**中级**
+ [R 中 XGBoost 的超参数优化](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_xgboost_hpo_batch_transform/r_xgboost_hpo_batch_transform.html)：本示例笔记本扩展了之前使用 Abalone 数据集和 XGBoost 的初学者笔记本。它介绍了如何使用[超参数优化](https://sagemaker.readthedocs.io/en/stable/tuner.html)进行模型优化。您还会了解如何使用批量转换进行批量预测，以及如何创建模型端点以进行实时预测。
+ [使用 R 的 Amazon SageMaker ](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_in_sagemaker_processing/r_in_sagemaker_processing.html) Process [SageMaker ing — Processing 允许您对模型评估工作负载进行预处理](https://aws.amazon.com/blogs/aws/amazon-sagemaker-processing-fully-managed-data-processing-and-model-evaluation/)、后处理和运行。该示例说明了如何创建 R 脚本以编排处理作业。

**高级**
+ [在 SageMaker AI 中训练和部署你自己的 R 算](https://sagemaker-examples.readthedocs.io/en/latest/r_examples/r_byo_r_algo_hpo/tune_r_bring_your_own.html)法 — 你是否已经有一个 R 算法，想将其引入 SageMaker AI 来调整、训练或部署它？ 此示例将向您介绍如何使用自定义 R 包自定义 SageMaker AI 容器，一直到使用托管端点对 R-origin 模型进行推理。