AI Cloud のリーディングカンパニーである DataRobot, Inc.（本社：米国マサチューセッツ州ボストン、CEO：Dan Wright、以下DataRobot）は、2022年7月20日に DataRobot AI Experience 22 Japan を開催することを発表しました。

直感的なUIで誰でも簡単に扱うことができるDataRobotですが、実はPythonとRを普段から扱うデータサイエンティストやR&D部門の技術者の方々にもご活用いただいています。この記事ではPythonとRユーザーの皆様の生産性をさらに高めるDataRobotの機能をユースケース（事例）を交えながら解説します。

需要予測を行う際、特に消費財を扱うような小売業では、数万といった多くのSKUの予測モデルを作成する必要があります。モデル数を増やすと精度向上が期待できますが、管理が煩雑というトレードオフがあります。本ブログでは、多数の商品の需要予測を効率よく行うためのクラスタリング関連のテクニックを紹介します。

本セミナーでは「DX推進のための人材育成」をメインテーマに、ビジネスパーソン育成において実績を有するグロービス社より「経営に必要なDX人材像とその育成方法」について、組織設計や人材育成において陥りがちな失敗事例・難所などをご紹介しながらお話しいたします。 また、AI人材育成のベストプラクティスについては、AI人材育成・AI活用の実現においてグローバルレベルで豊富なノウハウを持つDataRobot社が、一般論に止まらず、具体的な人材定義、育成事例をもとに紹介します。

DataRobot には Text AI と言われる機能があります。この機能を使えば、文書を分類する AI を簡単に作成可能です。また、文書内のどのような用語に AI が注目しているのかを可視化できます。 本ウェビナーでは、特許の文章情報を使った AI モデルの作成までの試行錯誤やそのデモをご覧いただきながら、Text AI の機能を解説いたします。

世界で最も広く導入され、実績のある AI プラットフォームの1つを提供する DataRobot, Inc.（本社：米国マサチューセッツ州ボストン、CEO：Dan Wright、以下 DataRobot）は、予測不可能な社会情勢や市場環境において企業の方針決定を支援するプラットフォームとして、「DataRobot AI Cloud 8.0」を発表しました。同プラットフォームはあらゆる組織を対象としており、継続的に機械学習モデルを最適化し、本番環境での最高のパフォーマンスを発揮しながら、幅広いデータと連携することで、最も完全かつ正確な予測を行う能力を提供します。

DataRobot AI Cloud 8.0 は、40 を超える新機能と強化された機能を市場にもたらし、世界で最も信頼され、広く展開されている AI プラットフォーム をさらに拡充します。提供される機能は、以下のとおりです。

感動創造企業であるヤマハ発動機は、データを活用した顧客体験向上を目指しています。既存事業を強くするためのDXとして、スマートオペレーション、コネクテッド、デジタルマーケティング、データ分析を重点活動として推進しており、経営戦略の意思決定から製造業務、マーケティングまで幅広くAIを活用しています。DX推進の仕組みを社内に構築し、デジタル活用の実績が評価され、2020年、2021年には経済産業省が選ぶ「DX銘柄」に選定されています。業務でのAI活用が進んだのは、社内のAI教育を整備し、市民データサイエンティスト育成に取り組んだ成果です。ヤマハ発動機のAIヒーローである藤井氏は、自らがデータサイエンティストとして活躍しながら、プロジェクトリーダーとして社員がデータを当たり前に使いこなすことを目指して、育成プログラムを構築し、実業務でのAI活用を促進しています。

DataRobot Core では、データサイエンティストやエンジニアのコーディングスキルを活かし、エンタープライズレベルの環境も提供します。 AI プロジェクトの成功には、ビジネスパーソン、データサイエンティスト、エンジニアのコラボレーションが不可欠です。本ウェビナーでは、DataRobot Core によりコラボレーションがどのように加速されるのかデモンストレーションを交えてご紹介します。

DataRobot へお問い合わせありがとうございます。 頂戴しました内容を確認後、弊社よりご連絡させていただきます。今しばらくお待ちください。 ホームページを見る

CEO：Dan Wright、以下「DataRobot」）は、主要産業に対応したAI機能とベストプラクティスを統合し、業界向けパートナーシップの拡大までを一体化した包括的ソリューション「DataRobot AI Cloud for Industries」を発表しました。

機械学習モデルの精度向上とコスト削減は、どちらでも重要です。もちろん妥協点が必要ですが、最適解を見つけるのは最大の価値を生み出せます。本ブログではDataRobotのお客さんの課題を解決するため、kaggleで鍛えたスキルを活用して、高精度かつ低コストを実現できた事例を紹介します。

松永氏は、医療分野と統計分析の知識を活用し、COVID-19に関するレジストリ研究に尽力しています。その成果は、医療関係者に役立てられており、AIによって最善の医療判断を下すことができるという新しい可能性を提示しました。

本ウェビナーでは、AI Cloud プラットフォームであるDataRobotを用いての要因分析における注意点、そして行数の少ないスモールデータならではの問題とその対処法についてご紹介します。

製造業企業でアフターメンテナンス領域は業務効率化や収益化が難しいとされていますが、業務改革を実現するAI活用のポテンシャルが多くあります。が、効果的にAI活用を進めるにはステップがあり、本ブログでは具体的なステップも含め、アフターメンテナンス領域におけるAI活用について解説をします。

金融業界の DX は、年々高度化している。とりわけ、その中核を担う AI 導入は、概念実証（PoC）を乗り越えた後であっても、単一モデルがシンプルな構成で運用されているケースがほとんどだった。近年は、AI モデルの継続性や複数のモデルを同時並行的に実行・制御する本格的な AI の導入に転換してきており、現場レベルでも影響の低い業務での“お試し”的な運用から、基幹業務に直結する AI 利用に変わりつつある。

DataRobotが2020年に発表したDataRobot Visual Artificial Intelligence（AI）​​はベストプラクティスや様々なディープラーニングモデルを組み込むことで画像データに対応しています。Visual Artificial Intelligence（AI）を次のレベルに引き上げる努力の結果、すばらしい新機能をリリースしました。

Schedule a guided demo with a DataRobot Manufacturing industry expert to explore use cases and accelerators. Learn more about DataRobot’s trusted enterprise AI Cloud platform.

リリース 8.0 では、エンタープライズ AI を成功へと導くために、接続性や本番環境の AI の信頼性といったいくつかの重要なテーマに焦点を当てました。

CEO：Dan Wright、以下「DataRobot」）は、コード中心のデータサイエンティスト向けに AI Cloud プラットフォームを拡張する包括的なサービス「DataRobot Core」を発表しました。

本ウェビナーでは、アフターサービス部門における AI 活用のポテンシャルと、その中のテーマの一つである低回転品の需要予測をケースとしてご紹介します。

DataRobot Core​​ は、目的に応じたテクノロジーをデータサイエンティストに提供する包括的な製品で、データサイエンティストがコーディング中心の作業で強力な​ AI ソリューションをすばやく組織に導入できるようにします。

2021年11月12日に金融庁は「モデル・リスク管理に関する原則」を公表。Part 2では、金融庁の示すモデル・リスク管理における8原則を解説しながらAIサクセスとDataRobot MLOpsによってどのように対処できるかについて解説していきます。

データ品質、特徴量エンジニアリング、モデル構築、デプロイプロセスを自動化して、データサイエンティストを強力にサポートします。

2021年11月12日に金融庁は「モデル・リスク管理に関する原則」を公表。急速に進む金融機関のAIモデル活用ではAIモデルのリスク管理が、モデル・リスク管理では体制とそれを実現するシステムが重要になります。Part1では、3つの防衛戦などAIモデル・リスク管理における態勢構築を中心に解説。

ートナーに選定されたことを発表しました。

トレンドとその変遷から製品の将来価値を予測する高度な時系列モデルの開発を自動化します。あらゆる規模の組織が、販売量、SKU 別の製品需要、人員配置、在庫などの予測や、各種の財務予測を改善できます。

DataRobot に取り込む言語に関係なく、同様の優れた結果を常に期待できます。AI Cloud プラットフォーム向け次世代 Text AI についてはこちらをご覧ください。

AI Cloud のリーディングカンパニーである DataRobot, Inc. （本社：米国マサチューセッツ州ボストン、CEO: Dan Wright、以下 DataRobot）は、新しい President 兼 Chief Operating Officer（COO）として Debanjan Saha が就任したことを発表しました。

Debanjan Saha は DataRobot の President 兼 Chief Operating Officer（COO）として就任しました。COO として AI Cloud プラットフォームの拡張し、世界中の組織が AI によって革新的な価値をより早く享受できるように尽力します。

DataRobot の説明可能な AI により、モデルの動作の理解と予測結果の確信に役立つツールが提供されます。詳しくはこちらをご覧ください。

本ウェビナーでは、DataRobot AI Cloudプラットフォーム機能の一部である、AIモデル構築から業務適用、複数AIモデルの運用管理機能についてデモンストレーションを交えてご紹介します。

お客様の中には、自社データを活用して自社のビジネス課題を解決するだけでなく、社外のクライアントのビジネス課題を解決したいというご要望が増えてきております。本ブログでは、特定の業務課題に対して、予測サービスプロバイダーとして提供可能なパートナープログラムについてご紹介します。

サプライチェーンの「DX」という言葉がメディアで日々取り上げられる一方で、「どこから 手をつけて良いのかわからない」「どんな体制が必要なのか」といった 声が多く聞かれます。遅れていると指摘される日本の DX をどう進めて いくべきなのでしょうか。現場起点で AI 活用に取り組み、全社的に AI 活用を推進しているヤマハ発動機株式会社の大西 圭一氏とダイハツ 工業株式会社の太古 無限氏に、DX を推進するプロジェクトをどう立ち上げ、どう広げていったのかを聞きました。

ヘルスケア企業が DataRobot AI Cloud for Healthcare を活用すれば、医療システムデータから真の価値が引き出され、画期的な予防治療法の開発と導入、医療処置の向上、新しい医薬品ソリューションの設計を実現できるようになります。

DataRobot AI Cloud Platformがビジネスに必要な理由と、その価値をご紹介します。

DataRobot AI Cloud for Banking を導入すれば、今日の銀行業界が抱える課題と機会に対応し、次世代のインテリジェントなビジネスの基盤を構築できます。AI Cloud for Banking は説明可能で信頼できる AI を実現する製品であり、人間の直感と機械のインテリジェンスを融合し、ビジネスに大きなインパクトをもたらします。

AI Cloud for Manufacturing を導入すれば、 今日の製造会社が抱える課題と機会に対応し、次世代のインテリジェントなビジネスの基盤を構築できます。説明可能で信頼できる AIを実現する製品であり、人間の直感と機械のインテリジェンスを融合し、ビジネスに大きなインパクトをもたらします。

AI Cloud for Retail を導入すれば、今日の小売業者が抱える課題と機会に対応し、次世代のインテリジェントなビジネスの基盤を構築できます。AI Cloud for Retail は説明可能で信頼できる AI を実現する製品であり、人間の直感と機械のインテリジェンスを融合し、ビジネスに大きなインパクトをもたらします。

業務プロセスの最適化のために AI に注目したトルコの大手セメントメーカーは、AI による改善効果を実感し、本格導入に踏み切りました。今では、コスト削減にとどまらず、さらに重要な成果として CO2 排出量を年間約 20 万トン抑制できるようになりました。

2022 年の年頭にあたり、謹んで新年のご挨拶を申し上げます。 平素より DataRobot をご愛顧いただき、厚く御礼申し上げます。

本ブログは「2022年にAIで成功を勝ち取る10のキーポイント」と題して、AIの巨大なパワーを活用することで、企業がデータをどのように活用できるかを深く掘り下げていきます。2022年のビジネスにおけるデータ活用のヒントとなれば幸いです。

AI Cloud のリーディングカンパニーであるDataRobotも、AIの力でSDGsに貢献すべくAI for Goodなど取り組みを進めています。AIはどのようにSDGs、気候変動に貢献できるのでしょうか。気候変動対策における AI の役割として、その可能性をご紹介します。

株式会社資生堂では、発売前の新製品の需要予測に AI 技術を取り入れました。単に AI で予測精度を高度化するだけでなく、市場と顧客に通じたビジネスプロフェッショナルがAI と協働することで、経営指標に貢献できる需要予測を実現しています。

AIなどの新しいデジタル技術を使って需要予測を高度化するためには、ツールの導入だけでは不十分です。該当するビジネス領域のプロフェッショナルがデータを創造する必要があり、そうしたミッションを持つ組織設計やデマンドプランナーのスキル育成を進めなければなりません。さらに、不確実性が高まるビジネス環境において、経営管理やマーケティングを支援する“需給のインテリジェンス機能”として需要予測チームを進化させていくことを提案します

AI ドリブンな組織への変革を実現しましょう。DataRobot AI Cloud プラットフォームのリリース 7.3 の新機能については、こちらをご覧ください。

Text AI は、データセット内でテキストデータを他のさまざまな特徴量のデータ型と組み合わせられるようにします。これには、数値、カテゴリー、日付、画像、地理空間、時系列、リレーショナルといった特徴量のデータ型が含まれます。

スポーツチームが AI を活用するユースケース（活用方法）としては、「競技場の中」から、「競技場の外」、「ファン動向測定（Fanalytics）」まで、多岐にわたります。

AI活用、DX推進が喫緊の課題と言われる現在において、日本企業がAIをドライバーとしてエクスポネンシャルに成長していくためには何が必要なのでしょうか。 本セッションでは、DataRobotのお客様でもある大西様、白石様自身のご経験からAIの価値や効果、また活用を進める上での課題を明らかにし、日本がAI活用先進国になるための道筋を考察していきます。

データ利活用推進の専担組織がなかったJCBでは、まずは"バーチャルチーム"を組織し、人と文化の成長を促進していきましたが、そこからどのように組織化・コア業務へのAIモデル導入に至ったのでしょうか。経緯をお話しいただくと共に、2つの活用事例から導入の難しさ、得られた成果と今後の展望についてもご紹介いただきます。

世界で愛されるスモールカーづくりを目指し、軽自動車を中心とし たラインナップで、人々の生活や仕事を支えるダイハツ工業株式会社。同社では、「100 年に一度」と言われる自動車業界の変革期に当たって、2019 年から本格的な AI を活用した業務改善の取り組みを開始しました。最初は職場の有志3 人で始めた草の根の活動が、経営層のバックアップ社内のさまざまなキーパーソンの助言を得て、現在では全社的な活動に拡大。社内における「AIの民主化」を目指した学習や実践の機会づくり、そして AI 人材育成に向けた 体制づくりを着々と進めています。

Introducing AI Cloud The Next Generation of AI DataRobot AI Cloud を導入すれば、複数のクラウドとデータソースにまたがる環境を単一で安全な記録システムに統一できます。また、単一の記録システムにより、あらゆる組織が本番環境への AI 導入を加速できます イベント AI Experience Virtual Conference 2021 AI Cloud のエキサイティングなビジョンをオンデマンドで確認 オンデマンドで見る DataRobot AI Cloud プラットフォーム 人とテクノロジーが持つインテリジェンスを解き放つ AI…

MFS では過去1万件以上の住宅ローン融資データを活用した Al 化で、「審査に通る確 率」「Al によるアドバイス」機能の提供を開始しました。本講演では、住宅ローンの未来を変える取り 組みと今後の展望についてお話しします。

最近のモビリティ業界では、機械学習やAIをカイゼンにおける対策手法（How）の一つとして活用し新たなサービスの開発を行ったり、従来の手法では実現が難しかった製造・設計プロセスの高速化や品質・性能の向上を図るという考え方が一般的になってきています。本セッションでは、DataRobotがお客様支援を通じて得られたモビリティ業界の課題を俯瞰的にご紹介した上で機械学習やAIを用いた課題解決事例について、併せてご紹介致します。

初めての AI 導入に際して、「データが無い」、「人材がいない」、「リソースがない」といった課題、不安を持っておられる企業様が散見されます。本講演ではデータパートナー、教育プログラム、ソリューション等のリテール、消費財業界での AI 導入への新たな手法をご紹介します。

カルビーでは、DX の取り組みについて、遠回りになってもあえて現場主導での導入アプローチを選択しました。本講演では、DataRobot の活用を例にとって、実際に経験したメリット・デメリットなどを共有させていただきます。

AIは、あらゆる業界、ビジネス、お客様とのさまざまな関わりを新たに構築する可能性を持ち、時代の転期となる新たなテクノロジーです。しかし、これはAIが持つ特性の一部に過ぎず、その本質はビジネスの成長を加速させ、効率性を高め、差別化を図るために不可欠なテクノロジーだと考えます。今日、企業は複雑化するデータをビジネスに活かすために、スピードとスケールを兼ね備えた本質的なインパクトを出せるAIを必要としています。本基調講演では、これまでのAIとは異なり、本質的なインパクトを与えるAI Cloudのエキサイティングなビジョンをご紹介します。

企業が求める意思決定とは、簡単かつ柔軟でありながら透明性の高いものであると DataRobot は考えます。ディシジョンインテリジェンスフローを導入すると、複雑なルールを迅速かつ視覚的に作成し、予測の評価や意思決定プロセスの自動化を大規模に行うことができます。

DataRobot AI Cloud プラットフォームは、約 10 年にわたる先駆的な AI イノベーションの集大成であり、市場に投入するためのエンジニアリングに 150 万時間を費やし DataRobot にデプロイされた 100 万以上のアクティブなプロジェクトの成果に基づいて、プラットフォームを改善してきました。

本ウェビナーでは、DataRobot を使用して顧客がクーポンを利用する確率を算出することで、顧客に提供するクーポンのROIを最大化する方法と、DataRobot の製品デモを交えながら実際のユースケースをご紹介します。

DataRobot の最新機能では全自動化による高い生産性とカスタマイズ性を両立しつつ、さらに組織展開を容易にしています。 本ウェビナーではこれらを用いた課題解決について製品デモを交えながらご紹介いたします。

本ウェビナーでは、製造現場で取得されるデータと DataRobot でどのように製造プロセスを高度化・省力化できるかを、最新機能紹介を交えながらご紹介します。

本ウェビナーでは需要予測の精度向上がどのように在庫最適化につながるか、例を用いて考察した後、高精度な需要予測の活用をスケールさせるための DataRobot の技術を、新機能のご紹介を交えながら、時系列モデリングを担うAutoTS、モデルの実運用化を担う MLOps を使ったデモでご説明いたします。

本ウェビナーでは、事業会社が取り組むべき DX のテーマを実現性と効果の観点から実務に即して選定し、金融や流通事例を中心にご紹介します。

エンドツーエンドのプラットフォームにより、主な業界が現在直面している課題と機会に対応するように設計されています。業界固有のソリューションアクセラレーターの広範なライブラリが搭載された AI Cloud を活用すれば、ライフサイクル全体で AI のパワーを活用し、業界によりインテリジェントな未来を実現できます。

AI Cloud のリーディングカンパニーである DataRobot, Inc.（本社：マサチューセッツ州ボストン、CEO：Dan Wright、以下「DataRobot」）は、この度、三井住友ファイナンス＆リース株式会社（取締役社長：橘 正喜、以下「SMFL」）が中小企業向け小口販売金融（以下、ベンダーリース）ビジネスの与信判断で使用している自動

AI に対する需要は非常に高く、AI ドリブン組織への道は避けられません。AI が積極的なペースで進展していく中で、機械学習を利用したソリューションは急速にニューノーマルになりつつあります。本ブログではリリース 7.2 で進化したDataRobot  AI Cloud の新機能​についてご紹介します。

AI CloudのリーディングカンパニーであるDataRobot, Inc. （本社：米国マサチューセッツ州ボストン、CEO：Dan Wright、以下DataRobot）は、9月14日にグローバルで発表した次世代インテリジェントビジネスのために構築されたAI Cloud プラットフォーム「DataRobot AI Cloud」日本版の提供を11月より開始すると発表しました。DataRobot AI Cloudは、あらゆる組織を対象に、本番環境への AI 導入を加速させる単一のプラットフォームとなります。また、本番環境でのAI運用を強化し、ビジネスに不可欠な意思決定を支援する AI アプリケーションを容易に構築することを可能にする新機能の提供も開始します。

自然言語処理（NLP）は、人間の言語をコンピューターが認識して理解できるようにするための一連の人工知能技術です。

公益社団法人日本ロジスティクスシステム協会による、2021年度のロジスティクス大賞 AIデマンドマネジメント賞を受賞した資生堂。トレンドの影響を受けやすく、需要予測が難しい化粧品の新製品の需要予測にAIを活用したことが評価され受賞にいたりました。その立役者が今回のAIヒーローである山口氏です。

需要予測は近年AIの活用が著しい領域ですが、需要を予測しただけではビジネスインパクトには繋がりません。予測した需要を適用できる主な業務として在庫の最適化があります。本稿ではAIを用いた需要予測の在庫最適化への活用方法を考察します。