トップ / 基礎知識
Snowflake上で完結する機械学習ワークフロー。前処理・学習を担うModelingと、モデル管理を担うRegistryの2本柱です。
Snowpark MLのモデリングAPIは、snowflake.ml.modelingというモジュールで提供されます。この中のsnowflake.ml.modeling.preprocessingには、StandardScaler・OneHotEncoder・OrdinalEncoder・MinMaxScaler・RobustScalerなど、scikit-learnで見慣れた前処理クラスに相当するものが揃っており、Snowflakeの分散コンピュート上で実行できます。公式ドキュメントは、既存のオープンソースのコードやライブラリをそのままSnowflake上のモデル学習に使えることを謳っています。
学習済みモデルを管理する側はsnowflake.ml.registryモジュールで、Registryクラスを使います。公式ドキュメントは「モデルのバージョン・指標・メタデータを保存し、Python・SQL・REST APIエンドポイントを使った分散推論を提供する」と説明しています。登録したモデルはmv.run()のような呼び出しでウェアハウス上でのバッチ推論を実行でき、モデルの入出力の型（シグネチャ）やバージョンもRegistry側で管理されます。
前処理からモデル管理まで、データをSnowflakeの外に出すことなく一貫して扱える点がSnowpark MLの特徴です。Polarsにはこうした「モデルのバージョン管理・配信」に相当する機能は無く、Polars自体はあくまでローカルのデータフレーム処理ライブラリです。学習・配信をSnowflake上で完結させたい場合の選択肢として位置づけられます。
公式ドキュメントの記載にもとづく解説です（実行検証はしていません）。確認日：2026-08-21