DataRobot、新バージョンv5.2をリリースし、特徴量エンジニアリングやMLOpsに関連する重大なアップデートを発表

データマネジメントからモデル監視まで、データ活用による価値創出プロセスをエンドツーエンドで自動化

 

 AIドリブンな組織の実現をサポートするDataRobot,Inc.(本社:マサチューセッツ州ボストン、CEO:Jeremy Achin、以下DataRobot)は本日、エンドツーエンドのデータサイエンスプロセスを自動化するエンタープライズ向けAIプラットフォームの新機能として、『AIカタログ』と『次世代の自動特徴量エンジニアリング』を新たにリリースしたと発表しました。

 AIを用いたイノベーションが競われる昨今、組織にはデータソースの適切な識別、機械学習のためのデータ準備、機械学習モデルの構築とデプロイ、モデルの時間経過にともなうモニタリングおよび管理といったAIサクセスに必要なあらゆる過程において、多くの工数を必要とするプロセスの自動化を実現するソリューションが求められています。ガートナー社によれば、2025年までにデータサイエンティストが担当している仕事の50%はAIにより自動化され、現在のような深刻な人材不足が解消すると言われています。(ガートナー、「HowAugmented Machine Learning is Democratizing Data Science」2019年8月29日)。

 DataRobotはAIプラットフォームのさらなる強化を通じ、シチズン・データサイエンティストによる高度なAIアプリケーションの活用をサポートするとともに、熟練したデータサイエンティストの生産性を一段と高めていきます。さらにDataRobotのエンタープライズ向けAIプラットフォームは、AI資産の管理から構築、デプロイ、運用に至るまで、AIライフサイクルの全過程を自動化し、データから価値を生み出すためのプロセスを加速させ、また同時に合理化を実現します。

 ※参考画像は添付の関連資料を参照

●特徴量エンジニアリングの自動化

 DataRobotは特徴量エンジニアリングの自動化におけるパイオニアであり、「AutomatedMachine Learning」や「Automated Time Series」といった製品でその機能を幅広く提供しています。DataRobotが新たにリリースした『AIカタログ』では、次世代の自動特徴量エンジニアリングとして、ユーザーが複数の関連データセットから新たな特徴量を自動的に抽出することが可能になりました。

 特徴量エンジニアリングは、データサイエンスのワークフローで最も労力と時間を要するステップと考えられてきました。DataRobotはこのプロセスを自動化することでデータセットの準備に要する時間を大幅に短縮し、機械学習モデルのパフォーマンス向上を実現します。DataRobotの過去3年間にわたる研究開発の集大成であるこれらの新機能により、ユーザーは複数のソースから新しいデータを迅速に発掘し、シンプルなビジネスルールを適用した多数の有用な特徴量を作成することが可能です。また、これらの特徴量をアルゴリズムごとに変換する作業を自動化できます。業界をリードするこれらの機能を活用することで、データサイエンティストは時間をかけずに優れた機械学習モデルを構築でき、AIを駆使したイノベーションを加速できます。

 ※以下は添付リリースを参照

 

 

リリース本文中の「関連資料」は、こちらのURLからご覧ください。

参考画像

https://release.nikkei.co.jp/attach_file/0523719_01.jpg

添付リリース

https://release.nikkei.co.jp/attach_file/0523719_02.pdf