機械学習パイプラインのオーケストレーションは複雑であり、特にデータ処理、トレーニング、デプロイメントが複数のサービスやツールにまたがる場合はなおさらです。この記事では、Amazon SageMakerのワークフロー機能を使用して、機械学習（ML）パイプラインを開発、テスト、実行する実践的なエンドツーエンドの例を解説します。このワークフローは、Amazon SageMaker Unified Studioエクスペリエンスを通じてアクセスでき、Amazon Managed Workflows for Apache Airflowによって実現されています。