究極の柔軟性により独自の機械学習アルゴリズムを定義

Composable ML を使用すれば、経験豊富なデータサイエンティストは機械学習や専門分野の知識を駆使して、他に類のない特定のユースケースに最適なモデルを構築することができます。

すぐに使用できるタスクと Python または R で設計したカスタムタスクを組み合わせて、独自の機械学習パイプラインを構築できます。また、タスク用のカスタムコンテナ環境を使用することで、依存関係の追加がいつでも可能です。

世界トップレベルの自動化によりモデリング以外のタスクも効率化

カスタム機械学習パイプラインを定義した後は、さまざまな追加の組み込み機能を利用して、さらに複雑な反復作業を自動化できます。

安全で信頼性の高いトレーニングインフラストラクチャに加えて、新しいモデルの特徴量探索および特徴量エンジニアリングを自動化したり、リーダーボードでモデリング結果を比較したり、特徴量のインパクトと特徴量ごとの作用、予測の説明、コンプライアンス文書の自動作成など、さまざまな種類の説明可能な AI 機能をすぐに利用したりできます。
また、新しいモデルをデプロイし、専門的なモデルの監視（英語）、ガバナンス、ライフサイクル管理を DataRobot MLOps から行えます。

こうした機能はすべて数回クリックするだけですぐに実行でき、DevOps で追加作業を行う必要はありません。

専門知識を組織全体で共有

どんなにアルゴリズムが複雑でも、どのような言語やフレームワークを使用していても、再利用可能な機械学習アルゴリズムをカスタムタスクまたはパイプラインとしてパッケージ化しておけば、数回クリックするだけで組織全体で共有および再利用できます。機械学習に関する資産を共有することで、センターオブエクセレンスのデータサイエンティストと機械学習エンジニアは、シチズンデータサイエンティストおよびアナリストを支援できるため、組織内のチーム間の障壁を取り除くことができます。たとえば、まず、シチズンデータサイエンティストがオートパイロットを使用して、一般的なパイプラインを作成します。その後、経験豊富なデータサイエンティストが高度な手法を取り入れてからモデルをデプロイします。このように、データサイエンスはまさにチームスポーツと言えます。