Skip to content

アプリケーション内で をクリックすると、お使いのDataRobotバージョンに関する全プラットフォームドキュメントにアクセスできます。

エコシステムインテグレーションテンプレート

トピック 内容...
Databricksを使用したエンドツーエンドのMLワークフロー Databricksによって得られるSparkベースのノートブック環境で取得および準備されたデータを使用して、DataRobotでモデルを構築します。
Google Cloud PlatformとBigQueryを利用したエンドツーエンドのMLワークフロー Google Collaboratoryを使用してBigQueryからデータを読み込み、DataRobotを使用してモデルを構築および評価し、そのモデルからの予測をBigQueryとGCPにデプロイして戻します。
Snowflakeを使用したエンドツーエンドのMLワークフロー SnowflakeとDataRobotのPythonクライアントを使用して、データをインポートし、モデルを構築して評価し、モデルを本番環境にデプロイして新しい予測を行います。
AWSを利用したエンドツーエンドのMLワークフロー AWSとDataRobotのPythonクライアントを使用してデータをインポートし、モデルを構築および評価し、モデルを本番環境にデプロイして新しい予測を行います。
Azureを利用したエンドツーエンドのMLワークフロー AzureとDataRobotのPythonクライアントを使用してデータをインポートし、モデルを構築および評価し、モデルを本番環境にデプロイして新しい予測を行います。
MLOpsでのAWS SageMakerモデルの監視 DataRobotプラットフォームで監視できるSageMakerモデルをトレーニングしてホストします。
DataRobotとSnowparkを統合してデータクラウドを最大限に活用する データの保存にSnowflakeを、DataRobotでのデプロイ、特徴量エンジニアリング、モデルのスコアリングにSnowparkを活用します。
SAP Hanaを使用したエンドツーエンドのワークフロー データソースとしてSAP Hanaを使用してDataRobotでモデルをプログラムで構築する方法を説明します。
スコアリングコードをマイクロサービスとしてデプロイ 段階的な手順に従い、スコアリングコードをマイクロサービスに埋め込み、顧客インフラストラクチャにデプロイするためのDockerコンテナとして準備します(自己管理またはハイパースケーラー管理のK8sを使用できます)。
DataRobotとDatabricksを使用したエンドツーエンドの需要予測ワークフロー DataRobotをDatabricksと組み合わせて使用して、複数系列の需要予測モデルを開発、評価、デプロイする方法。
カスタムモデルの作成およびデプロイ DataRobotのPythonクライアントを使用して、カスタム推論モデルを作成、デプロイ、監視します。 カスタムモデルワークショップを使用して、モデルアーティファクトをアップロードして、DataRobotの一元化されたデプロイハブにカスタム推論モデルを作成、テスト、およびデプロイすることができます。
DataRobotとGraphQLの連携 GraphQL Meshを使用して、GraphQLサーバーをDataRobot OpenAPI仕様に接続します。
Athenaを利用したエンドツーエンドのMLワークフロー Read in an Amazon Athena table to create a project and deploy a model to make predictions with a test dataset.
Sagemakerを使用したエンドツーエンドのMLワークフロー Take an ML model that has been built with DataRobot and deploy it to run within AWS SageMaker.

更新しました June 7, 2024