AI/機械学習を使って要因分析を行うとき、事前に要因の候補に関する知識を上手に整理して仮説を立てておくと、適切な特徴量からモデルを構築できて分析の成功確率が高まります。そして、QCサークル活動など、産業界で品質管理活動に携わる人達が利用してきたドメイン知識整理の手法はデータサイエンティストにとっても非常に有効です。
製造業やユーティリティー業界では、従来から製造設備やインフラ設備で多くのセンサが用いられてきました。近年ではビッグデータやIoTの機運の高まりから、センサの計測波形を蓄積して機械学習で活用する動きも活発になっています。本稿ではセンサの計測波形を機械学習に使用するためのプロセスについてご説明します。
医療業界でのAI活用はフィージビリティスタディのフェーズから脱しつつあり、予防医療・先制医療に繋がる臨床研究や医師の診断補助、病院オペレーション改善などのケースで成功事例が報告されるようになってきました。本稿ではDataRobotユーザー様のお取り組みを中心に、機械学習が医療業界の様々な課題解決に役立っている実例をご紹介します。
小売やCPGでは広告効果の測定が大きな分析ニーズとして存在しますが、その正しい測定方法はあまり知られていないのが現状です。本記事は、広告効果の測定のための因果推論のフレームワークと、特に解釈が直感的で施策の改善にも活かせるシンセティックコントロールという手法を紹介します。
要因分析を対象に、従来型の統計解析と機械学習を適宜使い分けながらより再現性の高い分析結果を得るための方法を考察します。また、データのレコード数が少ない「スモールデータ」や、特徴量の数がレコード数より大きい「横長データ」からでもロバストな要因分析を行うための機械学習応用アプローチを考察・提案します。
多くの企業がAI推進CoE組織を作るチャレンジにいます。DataRobotでは多くの企業のAIドリブン化を支援した経験から様々なAI推進CoE組織を見てきました。本ブログでは、AI推進CoE組織のパターンごとのメリット、デメリットを解説し、組織づくりの考え方について紹介していきます。