DataRobot Blog

DataRobotで製造業や電力・ガス、エネルギーや建設業のお客様を担当しているAIサクセスマネージャーの笹口です。 こ…

DataRobotで金融チームディレクターをしています、小川幹雄です。DataRobotの肩書きとは別に、一般社団法人金…

はじめに DataRobotで主に政府公共領域やヘルスケア業界のお客様を担当しているデータサイエンティストの若月です。 …

はじめに DataRobotで主に政府公共領域やヘルスケア業界のお客様を担当しているデータサイエンティストの若月です。 …

ターゲットマーケティングなどで近年注目されているアップリフトモデリングは、介入効果を個別またはサブグループごとに予測することで介入すべき対象を明らかにする手法です。本記事では、アップリフトモデリングのメリットや適用範囲・注意点を説明し、DataRobotを用いたシンプルな操作によるモデル構築方法をご紹介します。

片方のクラスが極端に少ない、あるいは大半の値がゼロといったゼロ過剰などのバランスの悪いデータを不均衡データといいます。このようなデータの偏りは、予測結果の偏りにつながるなどという問題があります。本記事では、不均衡データへの代表的な対処法を紹介し、DataRobotにおいてこの問題をどう扱うかについて解説します。

「AI x ルールベース」をどう使いこなすのが望ましいか、金融・保険業界でのビジネス適用事例も交えてご紹介。 条例やコンプライアンスに従いビジネスロジックの自動化を図るには、AIとルールベースのそれぞれの強みを理解し、適切に棲み分け、組み合わせることが、AIを活用した自動化・高度化を実現する上で重要です。

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。