10年にわたり表形式データの予測を支えてきたGBDT（XGBoost/LightGBM）の牙城が、いま大きく揺らいでいます。世界的な科学誌に掲載された表形式データの基盤モデル（Tabular Foundation Model）を皮切りに、大手テック企業も相次いで参入。事前学習済みモデルに手元のデータを渡すだけで、チューニング済みGBDTを上回る精度がゼロショットで報告される時代になりました。一方、広告のCTR予測、金融の不正検知、医療・創薬、製造の予知保全といった領域では、業界特化型のディープラーニングモデルが独自の進化を続けています。本ウェビナーでは、Kaggle Competitions Grandmasterである登壇者が、基盤モデルの仕組み・実力・限界から、業界特化型モデルの現在地、GBDTとの使い分けまでを30分で一枚の地図に整理。さらに、これらの最新技術をDataRobotプラットフォーム上で学習からデプロイ・監視まで一気通貫で運用する方法もご紹介します。

• XGBoost/LightGBMを長年運用しているが、話題の表形式基盤モデル（Foundation Model）や業界特化ディープラーニングが実務で使えるのか見極めたい
• 需要予測・不正検知・予知保全など自社ドメインで、GBDT／基盤モデル／業界特化DLのどれを選ぶべきか判断軸がほしい
• 最新モデルをPoCで終わらせず、学習からデプロイ・監視（MLOps）まで本番運用に載せる道筋を知りたい