AWSを利用したエンドツーエンドのMLワークフロー¶

世界最大級のクラウドプロバイダーであるAWSには、クラウド内にデータを保存する方法が複数あります。

S3またはAthenaからデータをソースし、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S3に予測を戻して送信できる2つのAIアクセラレーターのいずれかを使用できます。

GitHubのS3のAIアクセラレーター：material-arrow-right-circle：{.lg }にアクセスします

GitHubのAWS AthenaのAIアクセラレーター：material-arrow-right-circle：{.lg }にアクセスします

各AIアクセラレーターは、DataRobotをAWSのデータに統合するために、次の手順を実行します。

• トレーニング用のデータのインポート：

  • S3 AIアクセラレーターでは、parquetファイル形式のデータを取得し、アセンブルし、DataRobotのAIカタログにアップロードできます。

  • Athena AIアクセラレーターでは、DataRobot内にJDBCデータソースを作成してAthenaに接続し、SQLクエリーを介してデータを取り込みます。

• DataRobot Python APIを使用すると、最大50の異なる機械学習モデルを構築すると同時に、これらのモデルがこのデータセットでどのように機能するかも評価できます。