AI でデータクラウドの実力を引き出す
組織における AI の導入には、さまざまな大きなハードルがあります。DataRobot の特徴量探索は、機械学習モデルで使用する重要な特徴量を新たに作成できる自動特徴量エンジニアリングを提供することで、このプロセスを簡素化します。この機能が Snowflake のデータクラウドと連携することで、特徴量生成の精度、スピード、費用対効果が高まります。Snowflake と DataRobot は、AI の最も重要なタスクの 1 つである特徴量エンジニアリングの機能と利益の推進に時間とリソースを投資してきました。
最適な特微量をすばやく検出
Snowflake をお使いなら、大量のデータを活用されていることと思いますが、そこからさらに、モデルに適した特徴量を開発して、すべてのデータを含む 1 つのテーブルを生成することが必要になります。DataRobot の自動特徴量探索は、エキスパートレベルのデータサイエンスのベストプラクティスを自動化することで、このプロセスを簡素化して高速化します。
次世代の特徴量エンジニアリングの自動化
一般的な特徴量エンジニアリングの自動化ソリューションと比較して、特徴量探索では、1 つだけでなく複数のテーブルからデータを活用できます。必要なのはテーブル間の関係を定義することだけです。あとは、DataRobot が自動的に、機械学習モデルで使用する数百の重要な特徴量を新たに見つけ、テストし、作成するので、モデルの精度が劇的に向上します。
Snowflake との高度な統合
複数のデータソースを探索するには、常に大量のデータをシステム間で転送する必要があり、これには多くのリソースと時間がかかりました。DataRobot と Snowflake との新たな連携により、特徴量探索の処理を Snowflake に組み込むことで、データの移動を最小限に抑えることができます。その結果、すばやく結果を導き出せるので、運用コストを削減できます。
特徴量探索と Snowflake の相乗効果
DataRobot の特徴量探索ツールを高頻度の生理学データで使用したところ、後続のすべての分析に大きな影響を及ぼすことになるいくつかの新たな特徴量が見つかりました。