# AWSのワークフロー

> AWSのワークフロー - 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。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.222771+00:00` (UTC).

## Primary page

- [AWSのワークフロー](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/ai-integrations-platforms/ml-aws.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

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でS3のAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/blob/main/ecosystem_integration_templates/AWS_S3_template/Amazon_S3_End_to_End.ipynb)

[GitHubでAWS AthenaのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/blob/main/ecosystem_integration_templates/AWS_Athena_template/AWS_Athena_End_to_End.ipynb)

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：
- 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。