翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Pipelines
<a name="pipelines"></a>

Amazon SageMaker Pipelines は、機械学習 (ML) 開発の自動化専用のワークフローオーケストレーションサービスです。

Pipelines には、他の AWS ワークフロー製品よりも以下の利点があります。

**自動スケーリングサーバーレスインフラストラクチャ** Pipelines の実行のために基盤となるオーケストレーションインフラストラクチャを管理する必要がないため、コアの ML タスクに集中できます。SageMaker AI は、ML ワークロードのニーズに応じて、パイプラインオーケストレーションコンピューティングリソースを自動的にプロビジョン、スケール、シャットダウンします。

**直感的なユーザーエクスペリエンス** Pipelines は、ビジュアルエディタ、SDK、API、JSON のいずれかのインターフェイスを使用して作成および管理を行うことができます。Amazon SageMaker Studio ビジュアルインターフェイスで、さまざまな ML ステップをドラッグアンドドロップしてパイプラインを作成できます。以下のスクリーンショットは、パイプラインのための Studio ビジュアルエディタを示しています。

![Studio の Pipelines のビジュアルドラッグアンドドロップインターフェイスのスクリーンショット](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/pipelines/pipelines-studio-overview.png)


ML ワークフローをプログラムで管理する場合、SageMaker Python SDK は高度なオーケストレーション機能を提供しています。詳細については、「SageMaker Python SDK ドキュメント」の「[Amazon SageMaker Pipelines](https://sagemaker.readthedocs.io/en/stable/amazon_sagemaker_model_building_pipeline.html)」を参照してください。

**AWS 統合** Pipelines は、データ処理、モデルトレーニング、ファインチューニング、評価、デプロイ、モニタリングジョブを自動化するために、すべての SageMaker AI 機能やその他の AWS サービスとシームレスに統合します。SageMaker AI 機能をパイプラインに組み込み、ディープリンクを使用して複数のパイプラインにわたって操作し、大規模な ML ワークフローを作成、モニタリング、デバッグできます。

**コスト削減** Pipelines では、SageMaker Studio 環境と Pipelines がオーケストレーションを行う基盤となるジョブ (SageMaker Training、SageMaker Processing、SageMaker Inference、Amazon S3 データストレージなど) に対してのみ料金が発生します。

**監査可能性とリネージトラッキング** Pipelines では、組み込みのバージョニングを使用して、パイプラインの更新と実行の履歴を追跡できます。Amazon SageMaker ML Lineage Tracking は、エンドツーエンドの ML 開発ライフサイクルにおけるデータソースとデータコンシューマーの分析に役立ちます。

**Topics**
+ [Pipelines の概要](pipelines-overview.md)
+ [Pipelines のアクション](pipelines-build.md)