MLOps の検証を自動化
モデルのパフォーマンスの自動テストとカスタムテストを設定して、あらゆるモデルの動作を自動的に文書化し、コンプライアンスの確保に役立てることができます。
円滑な情報伝達とコラボレーション
モデル文書を自動作成して、ビジネスに関する予測の信頼性を確保することで、AI プロジェクトを継続的に管理できます。
ビジネスクリティカルなユースケースのコンプライアンスを最大限に確保
ビジネスクリティカルなアプリケーションやワークフローで使用されるモデルが、規制やコンプライアンスの要件に対応できるようにします。
不要なリスクの低減
組み込みガバナンス機能により、政府の規制に準拠し、実稼働モデルの変更によるリスクを軽減できます。
すべてのモデルを一元的に登録
DataRobot のモデル登録は、すべての AI アーティファクトを記録する単一のシステムなので、モデルの構築者、構築方法、ホスト先に関係なく、すべての実稼働モデルを一元的に管理できます。
DataRobot AI Platform は、分散しているインフラストラクチャを統合して、役割、ガバナンス、オブジェクト構造を統一できるため、保持しているモデルの全体像を把握しやすくなります。
コンプライアンス文書を自動作成
DataRobot では、デプロイ先に関係なく、DataRobot のモデルまたはカスタム構築モデルのコンプライアンス文書が自動で作成されるため、時間を節約できます。ボタンをクリックするだけで、コンプライアンス文書を作成できます。
また、企業や業界に固有の要件を遵守するよう、データサイエンティストがコンプライアンス文書をカスタマイズすることも可能です。独自のデータセット、チャート、テーブル、URL を組み込んでコンプライアンス文書の視覚効果を高め、組織全体でモデル文書を標準化できます。
デプロイの準備を自動化
すべてのデータ型のデータと特徴量エンジニアリングパイプライン全体を自動でシリアル化し、それらをコンテナ化して、本番環境レベルの REST API エンドポイントにワンクリックでデプロイできます。これらのデプロイ環境の指標を一元的に管理および処理し、ビジネスクリティカルなモデルのパフォーマンスを確保できます。
MLflow との統合
オープンソースの MLflow フレームワークを使用している AI ビルダーは、MLflow のメタデータを DataRobot プラットフォームに取り込んで、モデルのガバナンス、履歴の追跡、入力元の確認ができます。自分に合った方法でモデルを構築でき、監視、文書化、ガバナンスについては DataRobot が場所を問わずサポートします。
DataRobot AI Platform では、さまざまなプラットフォームにある一連のモデルを一元管理できます。これにより、AI と ML の運用環境全体で、コンプライアンスとガバナンスのプロセスを簡素化できます。
バイアスの軽減によるリスクの最小化
ブランド評価、規制コンプライアンス、および倫理を確立するには、バイアスの軽減が欠かせません。DataRobot はこの作業を簡素化するため、コーディング不要ですぐに使えるソリューションを導入しています。ユーザーは 2 つのバイアス軽減ワークフローのどちらかを選択できます。1 つはバイアス軽減機能を自動で実行して、見つかった上位 3 つのモデルの公平性を高める方法で、もう 1 つはユーザーが選択した特徴量を用いて、モデルのバイアスを手動で軽減する方法です。これにより、バイアス軽減がどのように実行されたのかを把握したり、バイアスを軽減する特徴量を組織の要件またはリスク許容度に基づいて選択したりできるようになります。
