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。
本記事ではDataRobot AI アクセラレーターについて、データサイエンティスト目線でのメリットをご紹介します。
コードセントリックなデータサイエンティストを多く抱える組織にとって、AI開発環境の管理は複雑で時間のかかる課題となっています。DataRobot Codespaces / Notebooksは、この課題に対する包括的なソリューションを提供し、AI開発プロセスの効率化と最適化を実現します。
データサイエンスの世界は急速に進化し続けており、効率的なツールと環境の重要性がますます高まっています。DataRobotはGUIでの機械学習モデル構築を支援するプラットフォームとして知られていますが、最近ではDataRobot Codespaces / Notebooksという新しい機能をリリースし、コードによるデータサイエンスのワークフローをサポートしています。
DataRobotとApache Airflowを連携することで、機械学習 (ML) パイプラインを自動化し、MLOps ワークフローを強化する方法について説明します。
今回は数ある機械学習のモデル精度の評価指標の中でも私のお気に入りであるにも関わらず前回の最適化指標ブログでは取り扱うことができなかったFVE Binominalについて紹介したいと思います。分類モデルの精度を単一の指標で測る上ではトータルバランスで現時点最強の評価指標だと考えています。これまで分類問題ではとりあえずAUCを使っていた人もこのブログをきっかけにFVE Binominalを利用いただければ幸いです。
はじめに DataRobotで製造業/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長野です。技術的には生…
生成AIの普及が急速に進む中、多くの企業が生成AIの活用に向けた検討を進め、活用に取り組む企業も増えています。しかし、生成AIの実用化に取り組む際には、統合的な管理の複雑さや生成AIの信頼性に関連する課題に直面している企業も多く存在します。DataRobot AI Platformでは、予測AIだけでなく、生成AIも構築し、運用・管理することが可能です。
流通・鉄道・通信業界のお客様を担当し、技術ではMLOpsテクノロジーを中心に扱っているデータサイエンティストの濱上です …
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。 …