DataRobot ブログ

DataRobot は「Winning at 200mph」をテーマに、Andretti Autosports のインディ・レースカーにユニークなスポンサーシップを提供。アメリカ国内で開催されたレースイベントに出向き、技術や人、レース文化について学び、短期的な実行と長期的な計画で最高の状態にもっていく方法を深く理解できたのです。

本ブログでは、信頼できる AI を構成する要素のうち、モデルのパフォーマンスについて説明します。高度なパフォーマンスの実現には、主に「データ品質」、「精度」、「堅牢性と安定性」、「スピード」の 4 つが必要です。

デジタル顧客体験を改善させるために、顧客行動の可視化と体験のパーソナライズを可能にする基盤の導入が多く見られているものの、一人一人の顧客に適切にアプローチするためには、その基盤と人の力だけでは限界があります。本稿では、その課題を解決するためにDataRobotを活用するメリット、及びKARTEとの連携方法をご紹介します。

多くの機械学習のモデルはトレンドが変化すると影響を受け、時間とともに陳腐化します。モデルを業務で活用し継続的にROIを生み出していくには、AIガバナンスを整備したモデル運用がモデリングと同じくらいに重要といなります。本稿ではAIガバナンスと運用体制を実現するMLOpsの概念を用いて、導入時の考慮事項をご説明します。

製造ラインの安定稼働を維持するため、設備の保全活動を計画・実施しています。製造現場に適用しているモデルも同様、安定的に利用するため、精度劣化の予兆を事前に把握するなどのメンテナンスが必要です。本稿ではAIモデルを製造現場で利用する際の課題と考慮事項をご説明します。

「データのパーティション」には多くの種類とそれぞれに特性があります。本稿では適切なパーティションを選択するために、各パーティションの手法ごとに利用シーンやメリット・デメリットを考察します。

モデリングを行う際に結果に大きく影響を与えるのが「データのパーティション」です。パーティションは特徴量エンジニアリングなどと異なり、表面上に見えにくいため軽視されがちですが、適切なパーティションを選ばないことにより運用で痛手を負うケースがあります。

DataRobotとPalantirは、AIや機械学習を活用した業務においては、組織のデータサイエンティスト、意思決定者、および一般従業員が協力して取り組める環境を整えることで、AIの価値を実現できるという考え方を共有しています。

オフセット項を利用することによって、ビジネスロジックや既存のドメイン知識をそのままモデルに組み込むことができます。少し高度なテクニックですが、オフセット項を身につけるとより機械学習の幅が広がります。