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。
DataRobot は、AI のバイアスを評価および理解し、最終的に軽減できるように特別に設計された公平性ツールセットをリリースしました。
MRの減少などで、より効率的な製薬企業医薬品のマーケティングが必要とされています。デジタル化やデータの利活用が注目されていますが、ABテストを実施しにくい医薬品のマーケティングではデータの活用は一筋縄ではいきません。どこにデータを利活用できる可能性があるか、機械学習の視点から紹介します。
機械学習モデルをビジネスで活用するには、なぜその予測がなされたか等、高い解釈性・説明性が求めらます。本ブログでは最近のアップデートで可能になったShapley Valuesを応用したSHAPによる特徴量の影響度算出について解説します。
水へのアクセスは基本的人権であり、UNICEF の持続可能な開発目標(SDG #6)のひとつでもあります。世界では、10億人近くの人々が(主にアフリカとアジアで)、毎日の水の使用をハンドポンプや蛇口などの農村部の水源に頼っています。
今『データドリブン』『データドリブン企業』がバズワードになっていますが、品質管理分野では既にデータドリブンという経営戦略が存在していました。では、データドリブンの本質は以前から変容したのか?データドリブン企業はAIを導入し成功するのに有利なのか?本ブログではこれらのテーマを考察します。
AI ソリューションを導入することで組織は巨大な利益を得られますが、AI ドリブンな組織を実現するのは簡単なことではありません。本ブログでは先日リリースしました eBook『2021 年に AI で成功するための 10 の鍵』で取り上げているこの課題にどう取り組むべきかを簡単にご説明しています。
数か月の有益なコラボレーションを経て、DataRobotとSnowflakeはこの度、両社のパートナーシップ下で初の製品連携を発表しました。DataRobot の特徴量探索(特微量エンジニアリングの自動化により、機械学習モデルで使用する重要な特微量の新規作成が可能)が、Snowflakeで利用できるようになりました。