今日のビジネスは、かつてないほどの大きなプレッシャーと不確実性の下で運営されています。 不確かな地政学的情勢、予測の難しい脆弱なサプライチェーン、進化し続けるパンデミックへの対応の長期化、世界各地に分散した従業員の原動力の変化などのあらゆる要因が重なり、さまざまな業種のビジネスが前例のない課題に直面しています。

DataRobot はこの度、ミッションクリティカルなイノベーションである DataRobot AI Cloud 8.0 をリリースしました。このリリースでは、 より多くのデータから信頼できるインサイトをタイムリーかつ継続的に提供するノーコード開発ソリューションにより、あらゆる企業が極めて予測が困難な市場にもインテリジェントに対応することを可能にします。DataRobot AI Cloud 8.0 は、40 を超える新機能と強化された機能を市場にもたらし、世界で最も信頼され、広く展開されている AI プラットフォーム をさらに拡充します。提供される機能は、以下のとおりです。

1. 時系列機能と AI アプリケーションビルダーの統合
2. オンプレミス環境を含むマルチクラウドアーキテクチャー全体に拡張された Continuous AI
3. Microsoft Active Directory を利用した Azure Synapse SQL との接続と Snowflake でのスコアリングコードの実行に対応する接続性の強化

これらの新機能を組み合わせることで、あらゆる企業が、極めて予測が困難な市場にもインテリジェントに対応できるようになります。

AI ドリブンビジネスのための DataRobot: より多くのデータから信頼できるインサイトをタイムリーかつ継続的に提供するノーコード開発のソリューションでビジネスを強化

コロナ禍の経済では、迅速で正確な意思決定が多くの組織にとって重大な差を生む可能性があります。このようなプレッシャーに直面する中、予測を自動化して現場の意思決定者に実用的なインサイトをもたらす方法を模索する企業がますます増えています。

​DataRobot AI Cloud 8.0 を利用すれば、組織内のすべてのユーザーが、ノーコード開発ツールを使って時系列対応のアプリケーションを構築し、実用的な予測をわずか数分で活用できるようになります​。AI アプリケーションビルダーに時系列機能を導入することで、需要予測、セグメントモデリング上に構築された極めて精度の高い大規模予測、ナウキャスティング、DataRobot の最先端コールドスタート予測モデルなどのあらゆるモデルから、市場環境の変化に強く、極めて予測が困難な環境にも適応できるインテリジェントなアプリケーションを作成できます。

​DataRobot は、お客様がビジネスアプリケーションを利用し、インサイトに基づいて迅速に行動できるのは、モデルの基盤となるデータが信頼できる場合だけであると考えます。このパンデミックで、私たちは成熟した​機械学習モデル​が一夜にして機能しなくなることを目の当たりにしました。なぜなら、2019 年のデータでトレーニングしたモデルを使用しても、2021 年の市場状況を把握して対応することができなかったからです。つまり、多くの AI システムが意思決定者に誤った提案を行い、そのせいでリスクが高く、失敗につながる経営判断が促されたのです。

​DataRobot 8.0 のリリースに伴い、DataRobot 独自の​ ​MLOps​​ 機能である ​​Continuous AI​​ をすべてのオンプレミスユーザーにご利用いただけるようになりました。これにより、DataRobot MLOps を利用するすべてのお客様が、Automated Machine Learning（AutoML）と Machine Learning Operations（MLOps）の両方の強みを活かしつつ、人間参加型（Human-in-the-loop）のアプローチをとることで AI/​ML のライフサイクル全体にわたって継続的にモデルを改善できるようになります。Continuous AI により、市場、顧客、標準の進化に合わせて、すべての実稼働モデルを最適化し、パフォーマンス、信頼性、倫理を確保できます。

ここで、ビジネスの基本的な考え方である「価値の実現」に立ち戻りたいと思います。データがなければ、インサイトやモデルを業務に利用することはできません。データは、従来のエンタープライズシステム、オンプレミス環境、データクラウドなどに幅広く分散させることができます。しかし、そのようなデータへのアクセスは複雑で困難な場合があります。統合された環境ですべてのデータに接続することは、これまで以上に重要です。

DataRobot AI Cloud 8.0 では、Snowflake を含む一般的なクラウドデータストアへの書き戻し機能を備えた構築済みの包括的な統合機能を提供します。この機能を利用することで、価値実現までの時間を短縮し、データへの障壁を取り除きながら、より多くの種類のモデルを扱えるようになります。また、DataRobot のスコアリングコードを Snowflake から直接実行できるようになったことで、データの抽出やロードが不要になり、大規模なデータセットのスコアリングをはるかに高速に実行できるようになりました。データが Azure に保存されている場合は、Azure Synapse Analytics に接続してライブラリーのインポートやエクスポートを実行することもできます。AI Cloud のお客様は、DataRobot のトップレベルの接続性を誇る AI Cloud 8.0 を使用することで、プラットフォームのエコシステムを継続的に向上させることができます。

DataRobot AI Cloud の拡張

DataRobot AI Cloud は、約 10 年にわたる先駆的な AI イノベーションの集大成です。このソリューションを市場に投入するために開発に 150 万時間を費やし、800 万行以上のコーディングを行っています。数百人のデータサイエンティストからなる DataRobot チームは、幅広いお客様に対応し、100 万件近いプロジェクトをサポートしています。DataRobot AI Cloud 8.0 を導入すれば、世界で最も信頼され、広く展開されている AI プラットフォームをさらに強化できます。

新機能および強化機能の一覧については、DataRobot ドキュメンテーションのリリースセンター​​をご覧いただくか、​​DataRobot コミュニティ​をご確認ください。

投稿 AIドリブンビジネスのための最新リリース DataRobot 8.0 は DataRobot に最初に表示されました。

2022 年も、はや 2 ヶ月が過ぎようとしています。2021 年は、​AI Cloud や​主要業界向けの新しいソリューション​の導入から、顧客向けに数百もの新機能をオンラインで提供し、複数の新たなテクノロジーやチームを連携して、顧客向けのアクティブな AI プロジェクトの数が 100 万を超えるという信じられないようなマイルストーンを達成するなど、あらゆる面で飛躍的な 1 年となりました。​

しかし、私たちが歩みを緩めることはありません。DataRobot は 2022 年も引き続きお客様にフォーカスした取り組みを続け、その一環として、コアコミュニティを対象とした ​​AI Cloud​ の機能強化と、​リリース 7.3 プラットフォームおける画期的な新機能の導入を行いました。

上級データサイエンティスト向け DataRobot Core：コーディング中心の作業で迅速な構築と大規模な導入を実現

DataRobot Core​​ は、目的に応じたテクノロジーをデータサイエンティストに提供する包括的な製品で、データサイエンティストがコーディング中心の作業で強力な​ AI ソリューションをすばやく組織に導入できるようにします。また、優れたテクノロジーを提供するだけでなく、包括的なリソースとして、ドキュメンテーションやサードパーティーとの連携機能を提供するほか、DataRobot の数百人の先駆的なデータサイエンティスト、および世界中の顧客企業やコミュニティに属する数千人のデータサイエンティストが持つ比類のない専門知識を活用できる独自の機会を提供しています。

​AI​ を民主化してあらゆるユーザーが利用できるようにするというビジョンは、DataRobot の DNA の中核を成しています。DataRobot Core では、コーディング中心の作業を好むデータサイエンティストに、それぞれのスキルや能力に適した世界トップレベルのソリューションを提供していますが、分析チーム、ビジネスアナリスト、IT 部門などが、今後もチームスポーツのように一丸となって AI を活用することも可能です。​

DataRobot Core は、きわめて重要な時期に市場に登場しました。今日の AI は紛れもなくミッションクリティカルです。収益の拡大を促し、ビジネスオペレーションのコストと非効率性を削減し、リスクを最小限に抑えることができます。こうした実績により、AI の需要が急増しています。それに伴って、データサイエンスチームには、明確なビジネス成果をもたらす AI を迅速に本番環境に提供することが求められています。

しかし同時に、企業の中核的な要件を満たす必要性が高まっており、安全で信頼性が高く、適切に管理および監視された強力で拡張性の高い AI の実現が欠かせない状況となっています。そのため、AI を構築するチームへの要求は高まるばかりです。チームが人材の採用を増やしているにもかかわらず、デプロイまでの時間を短縮できないのはこれが理由です。私たちが​最近行った調査​​（英語）によれば、きわめて高度なトレーニングを受け、高い専門性を持ったチームでさえ、いまだに労働時間の 50% をデプロイに費やしているケースが見られました。彼らは、付加価値を高めたり、データサイエンスの複雑な問題に取り組んだり、ビジネスに成果をもたらしたりするために費やすべきリソースを奪われているのです。

DataRobot は、こうした状況をすべて変えようとしています。世界トップレベルのデータサイエンティストチームを抱える企業として、私たちはデータサイエンティストが日々直面する課題を十分に理解しています。DataRobot Core は、データサイエンティストのために、次のような世界トップレベルの機能やサービスを提供することで、AI Cloud を強化しています。

プラットフォーム

• 多言語に対応し操作性がトップクラスの組み込みノートブック
• コーディング中心のモデル生成とモデルの自動生成をシームレスに組み合わせた Composable ML
• コードを駆使したパイプラインを Apache Spark で構築
• プログラムによる AI Cloud プラットフォーム全体へのアクセスを可能にする、Python および R クライアントによるオープン REST API
• 今日の企業が求める信頼性、ガバナンス、コンプライアンス、スケールの要件に対応

リソース

• アクセラレーター、サードパーティーとの連携、ライブラリの豊富な組み合わせにより、AI の導入を促進して効率を向上
• データサイエンスのスキルを向上させ、データサイエンティストが最先端で活躍するために進化する教育リソース

コミュニティ

• DataRobot の数百人のデータサイエンティストを活用
• データサイエンティストに特化した独自のインサイトと専門知識
• ピアコミュニティで、世界で最も成功した AI プログラムから得られた知識を共有​
• DataRobot のイベントでエキスパートレベルの専用プログラムを提供

私たちは、データサイエンティストが必要なツールや言語を柔軟に利用できる環境を提供することで、彼らがすばやく行動し、実験を行い、独自のスキルと創造性を業界が直面する困難な問題の解決に活かせるようにしています。また、ガバナンスが効いている安全なエンタープライズ向けプラットフォーム内で、シームレスな運用ができるようにしています。私たちは、コンプライアンスとガバナンスの機能が組み込まれたシームレスな製品を提供し、既存の IT プロセスやツールで運用や管理ができるようにして、データサイエンティストへの負担をなくすことを目指しています。

同時に、私たちはこの製品をより大きなチームのためのプラットフォームの一部にしたいと考えています。データサイエンティストは独自のニーズを抱えていますが、共通の目標を追いかける多様で幅広いチームの一員であることに変わりはありません。だからこそ、私たちはすべての機能を 1 つのプラットフォーム上に構築しました。また、データサイエンティスト、ビジネスユーザー、ステークホルダー間のコラボレーションを基本コンセプトとしています。

DataRobot Core​ のプラットフォーム、リソース、コミュニティをぜひお試しください。データサイエンティストがより成功し、ビジネスに素晴らしい結果をもたらすための支援をしたいと考えています

AI クラウドを進化させるリリース 7.3 の新機能

DataRobot Core に加えて、​​AI Cloud プラットフォーム​の最新版である DataRobot 7.3 もリリースされています。リリース 7.3 では、あらゆるユーザーを対象とした機能強化を行い、全社的かつ AI ドリブンな意思決定を 1 つのプラットフォームから行えるようになりました。

優れたコーディング機能

​共同作業が可能な多言語対応ノートブック、​​Composable ML、DataRobot パイプラインにより、さまざまなオプションを使ってデータをインポートし、そのデータを Spark SQL で変換して、カスタムブループリントを作成できるようになりました。これらの強力なツールにより、データサイエンティストは、本番環境への明確な道筋を立てて、迅速に実験を行うことができます。

さらに多様なユースケースに対応

DataRobot ではさらに高度なモデリングが可能になりました。画像異常検知でのネイティブサポートや、複数言語に対応する次世代の Text AI によって、より多くのAIユースケースにすぐに取り組めるようになりました。また、​​クラスタリング、​​セグメントモデリング​​、​マルチラベル分類などの新機能を利用すれば、データから最大限の情報を簡単に引き出すことができます。どのユースケースでも、開始前にコードを書く必要は一切ありません。​

パフォーマンス監視、コンプライアンス、規制対応機能の強化

コンプライアンスドキュメントの自動作成​​が DataRobot 以外で構築されたモデルにも適用され、すべてのユーザーが規制対応を効率的に行えるようになりました。本番環境にあるすべてのモデルを利用して、チャレンジャーモデルを実稼働モデルと簡単に比較および評価し、ビジネスのピークパフォーマンスを維持するためにモデルを置き換えるべきかどうかを明確に判断できます。

そのほか、バイアスと公平性の監視​​が強化され、AI ライフサイクルのあらゆる段階で各モデルの公平性を確保できるようになりました。

また、​アプリケーションビルダー​に時系列のサポートが追加されました。シンプルなドラッグアンドドロップウィジェットを使うだけで、自在にカスタマイズされた AI アプリケーションを時系列モデル上にすばやく構築してデプロイし、時系列の予測値と実測値を比較して各予測の理由を分析できます。

その他の新機能および機能強化

DataRobot リリース 7.3 では、多クラス分類の対応クラス数制限撤廃、スコアリングコードの​「予測の説明」への対応​、​MLOps エージェント​​の強化、および 80 を超える新機能によって、あらゆる組織が AI の可能性を最大限に引き出すことができます。
新機能および強化機能の一覧については、プラットフォームドキュメントのリリースセンター​をご覧いただくか、​DataRobot コミュニティ​​にご参加ください。

投稿 上級データサイエンティスト向け DataRobot Core およびリリース 7.3 の詳細 は DataRobot に最初に表示されました。

約 2 年前に DataRobot に入社して以来、幸いにも私はユーザーやお客様と会い、そこから学ぶことに多くの時間を費やしてきました。これまでに、職務上の枠を超えたチームやユーザーをサポートする AI の必要性について何度となく耳にしています。たとえば、多様なデータソースを統合する機能の提供、AI ソリューションをどこにでもデプロイできる柔軟性の提供、AI ドリブンな意思決定と Snowflake、Salesforce、ServiceNow などの既存のビジネスアプリケーションやサービスを直接連携するために必要な機能サポートなどが挙げられます。中でも最も重要なことは、これらすべてを単一の環境で行うことができるように統合することです。

本日、DataRobot AI Cloud ​のリリースを発表できることを嬉しく思います。これは、明快かつ強力な予測を実現し、あらゆる組織のビジネス上の意思決定を後押しする、DataRobot 初のエンドツーエンドの統合プラットフォームです。

DataRobot AI クラウドプラットフォームは、約 10 年にわたる先駆的な AI イノベーションの集大成であり、このソリューションを市場に投入するためのエンジニアリングに 150 万時間を費やしました。私たちは、世界中の DataRobot にデプロイされた 100 万以上のアクティブなプロジェクトの成果に基づいて、プラットフォームを改善してきました。長年にわたる学習に基づいて、DataRobot AI Cloud をモジュール化し、その柔軟性と拡張性を高めて、現代の組織でますます複雑化する状況に対応できるようにしました。​

このプラットフォームは、お客様が重視する内容に基づいて、それぞれの組織に特有のメリットをもたらします。メリットが得られるそれぞれの領域を詳しく見ていきながら、7.2 リリースの DataRobot AI クラウドプラットフォームについて説明します。

あらゆるユーザー向けの単一プラットフォーム

2012 年のDataRobot 創業以来、私たちは AI の民主化に尽力してきました。現在、データサイエンティスト、アナリティクスの専門家、ビジネスユーザー、IT 担当者など、あらゆるユーザー向けのプラットフォームを構築しています。一方で、DataRobot AI クラウドプラットフォームの特徴は、各ユーザーのさまざまなスキルや能力に合わせた専用のエクスペリエンスをすべて、統合された単一の環境で提供することにあります。このマルチモダリティにより、すべてのユーザーは、ノートブック、Web UI、ソリューションアクセラレーター、モバイルプラットフォームなど、ツールをシームレスに切り替えながら最も生産性の高いお気に入りのツールを使って作業することができ、部門間の垣根を越えたコラボレーションを実現できます。

あらゆるソース、あらゆるタイプのデータに対応

今日の実情として多くの組織では、多種多様なデータソースやデータ形式によりサイロ化した環境を抱えている、と DataRobot は捉えています。しかし、DataRobot AI Cloud を導入すれば、あらゆるソースのあらゆるタイプのデータ、具体的にはデータベース、データクラウド、クラウドストレージシステム、エンタープライズアプリなどに含まれる重要な情報をまとめて包括的に把握し、ビジネスを推進できます。さらに、DataRobot はあらゆる非構造化データに対応しているため、表形式のデータを同じモデル内のテキスト、画像、地理空間情報と組み合わせることができます。

AI ライフサイクル全体にわたるエンドツーエンドの統合プラットフォーム

DataRobot AI Cloud は、継続的に学習する統合環境で、ストレートスルーによるコーディングと自動化、またはこれらを組み合わせたアプローチを提供する市場で唯一のプラットフォームです。DataRobot は現在、視覚的かつコードを駆使したデータ準備とデータパイプラインに加え、構成可能な Automated Machine Learning（AutoML）を提供しています。これは、ホストされたノートブックやグラフィカルユーザーエクスペリエンスで活用できます。MLOps は、実稼働モデルの継続的なライフサイクルの監視と自動管理に必要となる重要なプロセスを自動化し、現場の意思決定者のための AI を活用したアプリケーションを提供します。

場所を問わず大規模なデプロイ、運用が可能

DataRobot は、パブリッククラウド、データセンター、およびエッジ環境を自由に組み合わせて実行できる柔軟性と、ビジネスに対する保護と高いセキュリティを実現するための運用とガバナンスを提供します。マルチクラウド方式では、モデルのトレーニングとデプロイを、それぞれ別のクラウド環境で行うことができます。DataRobot は、AWS、Google Cloud、Azure、VMware などの主要なクラウド企業と提携し、場所にかかわらずモデルをデプロイして運用するために必要な柔軟性とガバナンスを確保しています。

既存の投資を基盤としたモジュール化と拡張

独自性のない組織はありません。AI を成功させるには、すでに導入されているテクノロジーエコシステムと連携する必要があります。そのため、DataRobot AI Cloud を、お客様の特定のニーズに基づいて、お客様のペースで活用できるモジュール型コンポーネントセットとして構築しました。組織は、サードパーティ製ツールで構築およびデプロイしたモデルを取り入れ、AI 戦略の拡大や新しいチームの関与に応じてサービスを追加し、DataRobot の​堅牢なパートナーエコシステム（英語）​を活用して一般的な外部アプリケーションやサービスと直接統合できます。​

最後に、DataRobot 7.2 では AI クラウドプラットフォームを進化させる新機能が追加されました。Composable ML のようなコードファーストのデータサイエンス専門家のための強力な新ツール、パフォーマンスを大規模に管理する Continuous AI とバイアス監視、現場の意思決定者に AI を提供する意思決定インテリジェンスと呼ばれる業界初の機能など、100 近くもの新機能が用意されています。この画期的なリリースについては、こちらのブログ記事「リリース 7.2 で進化した DataRobot AI Cloud の新機能​」で詳しくご紹介しています。

DataRobot AI Cloud のビジョンとロードマップについて詳しく知りたい方は、11月19日（金）に開催が予定されている AI Experience Virtual Conference 2021 Fall にご参加ください。

投稿 DataRobot AI Cloud のご紹介: 機能の詳細 は DataRobot に最初に表示されました。

Visual Artificial Intelligence（AI）

機械学習モデルで使用する特徴量といえば、数値データや文字列データなどを用いることが一般的ですが、予測したい対象が必ずしもそうしたデータだけで説明できるとは限りません。数値や文字列以外のフォーマットで保存されたデータにモデルの精度を高めるシグナルが眠っている、そう考えたことはありませんか？

その代表的な例の一つが画像データです。画像には構造化データでは表現できない多様な情報が眠っています。商品価格を推定するために商品画像を用いたい、不良品予測のために製品画像を用いたい、疾病予測のために診断画像を用いたい、など多様な活用テーマを想像できるのではないでしょうか。

バージョン6.0で DataRobot は Visual Artificial Intelligence（AI）の提供を開始しました。Visual Artificial Intelligence（AI）は画像データを用いたモデリングを自動化することができる画期的な新機能です。Visual Artificial Intelligence（AI）では画像データをあらゆるモデルの精度向上に用いることができます。例えば次の例では、物件の価格を予測するために物件の写真を特徴量の1つとして使っています。

通常、画像を特徴量として扱うにはニューラルネットに関する知識と技術が求められます。大量の学習データと計算リソースも必要で、とても誰もができることではありません。DataRobot では VVisual Artificial Intelligence により画像の特徴量化が自動化されているため、誰でも簡単に何度でも、数値やテキストなどと画像を組み合わせたマルチモーダルなモデリングを実現できます。下図では、データ（左端）から画像データが自動で特徴量に変換され、モデルに利用される様子がわかります。

画像データは DataRobot の特徴量のしくみに完全に統合されているため、これまでとまったく同じ操作で同じように分析ができます。以下の例では、物件写真が物件価格の予測に与えるインパクトを他の特徴量と比べており、物件写真のインパクトは最大ではないものの、重要な特徴量の一つであることがわかります。

また、画像を用いてただ精度が上がったというだけではだめで、実際に運用するには「AI の説明性」も求められます。Visual Artificial Intelligence（AI）では画像特徴量の性質を説明する機能も提供されており、画像と予測との関係が人間の経験や知識と照らし合わせて納得のいくものであるか確認することができます。例えば下図では、物件写真のどの部分に着目して物件価格を予測しているかがわかります。これが人間の着目する箇所と類似していれば、そのモデルの信頼性も高まるでしょう。

DataRobot へ画像データのアップロード方法はとても簡単です。プロジェクトデータ（CSVファイル）中にそれぞれの行データに対応する画像ファイルへの相対パスを記入した列を用意し、参照先の画像ファイルと一緒に zip で一つのファイルにまとめ、あとはドラッグアンドドロップや AI カタログを通じて DataRobot にアップロードするだけです。

皆さんはどのような活用テーマで画像を使ってみたいですか？

エンドツーエンドでの自動化

DataRobot は「機械学習の自動化」を掲げてビジネスをスタートしましたが、モデル作成や評価、デプロイを自動化しただけでは真の AI 民主化は達成できないことも同時に学んできました。そこで近年の DataRobot は、モデル作成より前のフェーズ（データ管理やデータ準備）と、モデル作成より後のフェーズ（モデル運用やモデル利用）も自動化に加えることで、誰もがデータから価値を得るまでのプロセスをエンドツーエンドで自動化できるよう開発に取り組んできました。

バージョン6.0では前述の Visual Artificial Intelligence（AI）に加え、この「エンドツーエンドでの自動化」のビジョンを具体化する重要な新機能が3つ登場しています。以下ではこれらについてご紹介します。

DataRobot Paxata (データプレパレーション)

DataRobot は従来から特徴量エンジニアリングを自動化しており、さらにバージョン5.3では自動特徴量探索の導入により複数のデータセットの結合・集計による特徴量の生成も自動化できるようになりました。

しかし、機械学習のためのデータ準備作業は機械的に自動化できるものばかりではありません。人の判断が必要なデータ修正や、業界・業務知識が必要な特徴量エンジニアリングもあります。一方、そのような作業は誰でも簡単にできるわけではありません。

そんな、AI/機械学習のためのデータ準備作業の課題を解決するのが DataRobot Paxata です。DataRobot Paxata ではスプレッドシートに似たわかりやすいインターフェースで、誰でも簡単にインテリジェントなデータ準備を行うことができます。2019年11月に DataRobot 社が Paxata 社を買収した後、すでに DataRobot とのインテグレーションも利用可能になっています。

DataRobot Paxata の特徴の一つは、インテリジェントなデータ準備機能を手軽に使えることです。例えば「名寄せ」はとても手間がかかるデータ準備作業の一つですが、DataRobot Paxata ではワンクリックで列内の似たデータを検出し、統一することができます。検出アルゴリズムは複数あるため、各業務の要件に応じた標準化を実施できます。下記の例では、「肩書」列の中にあるさまざまな「US Army（米国陸軍）」や「USPS（郵便公社）」の表記を自動で統一しています。

AI/機械学習用に準備のできたデータは、モデル作成や予測のプロセスと迅速につながる必要があります。DataRobot Paxata ではすでに DataRobot との連携機能が提供されており、数クリックで準備済み学習データを DataRobot に送ってモデリングを始めたり、予測用データを送って DataRobot から予測結果を取得、書き戻したりすることができます。

下記の例は、与信リスク判定モデルのために DataRobot Paxata で準備したデータを DataRobot の AI カタログにエクスポートし、DataRobot でプロジェクトを作成してモデリングを始めようとしているところです。

DataRobot ML Ops

組織内で機械学習モデルの利用が広まると、DataRobot 以外のプラットフォームで作られたモデルを扱うようになることもあるでしょう。単にさまざまなツールでモデルが作られるというだけでなく、例えば明確な説明性を目的として、DataRobot で得たインサイトをもとに Python で線形のモデルを再構築する、というケースなどもあります。

そうしたモデルを運用するには、モデルごとに利用するための API や監視のしくみを作る必要がありますが、これは簡単なことではありません。もし統一的なしくみを用意できなければ「野良モデル」が発生し、利用用途も、その精度もわからないままビジネス判断に影響を与え続けてしまうでしょう。

DataRobot ML Ops はこうした問題を解決するため、DataRobot で開発されたモデルだけでなく、さまざまな環境で開発されたモデルに対して統一された利用・運用機能を提供します。監視のしくみを新たに作り込む必要はありません。統一された  API を自動で作成でき、一つのダッシュボードで精度などモデルの運用に必要なポイントを統一的に監視することができます。

DataRobot ML Opsでは、DataRobotで 作られたモデルと DataRobot 以外のプラットフォームで作られたモデル（下図では「独自モデル」と表記）の双方を運用できます。独自モデルは DataRobot  ML Ops にデプロイして API 作成や監視を自動化したり、DataRobot の外でデプロイされている独自モデルであればリモートで監視することもできます。

DataRobot ML Ops に独自モデルをデプロイするだけで、標準化された API が自動で作成されます。その API を呼び出すサンプルスクリプト（下図）も自動で作成されるので、開発者はどんなモデルであれ標準化された API を使ってシステムインテグレーションをすぐに始めることができます。

独自モデルに対しても DataRobot モデルと同じように精度の監視をサポートしています。予測値は DataRobot ML Opsによって自動的にトラックされ、実績値をアップロードすることで精度の劣化を検出・通知できます。モデルの置換にも対応しており、置換前後で精度が劣化していないかを確認するもの簡単です。

AI アプリケーション

ここまでの新機能は程度の差はあれ、モデルの「作り手」へ向けたものでした。そして、機械学習自動化に関する世の中の製品の多くは、作り手へ向けた機能を提供することに注力しています。

しかし AI の民主化を進めるには、作り手だけでなく AI の「使い手」によって価値が認められなければなりません。使う側、つまり必ずしもデータサイエンスに馴染みのないビジネスユーザーがわかりやすくその価値を理解するには、誰かがわかりやすいアプリケーションを開発しモデルをインテグレーションしなければなりませんが、それに気軽に取り組める組織は多くないでしょう。

DataRobot の AI アプリケーションは、モデルを利用したアプリケーションの作成を自動化することでこのラストワンマイルともいえる部分を実現する、まったく新しい発想の機能です。現在、目的別の3種類のアプリケーションが提供されており、それぞれ使用するデプロイ済みモデルを指定するだけで自動的にアプリケーションが作成されます。

「予測実行」アプリケーションは最もシンプルなアプリケーションで、特徴量の値を指定してモデルの予測結果や予測の説明を得ることができます。

What-If アプリケーションは、特徴量の値を少しずつ変えながら予測値の変化を比較したい場合に便利です。下記の例では、貸し倒れ予測モデルを使った What-If アプリケーションにより、グレードと年収入の違いによる貸し倒れ率の変化をシミュレーションしています。

「最適化」アプリケーションは、予測値を最大化または最小化するためにさまざまな入力値のパターンを探索するプロセス（逆問題とも呼ばれます）を自動化し、最適な入力値の組み合わせを発見します。以下の例では鉄の強度予測モデルを使用し、強度を最大化する原料の配合比を探索しています。

おわりに

いかがでしたでしょうか。Automated Machine Learning（AutoML）という概念が登場して久しいですが、DataRobot は AI の民主化にあたって、機械学習モデルの作成や解釈を自動化しただけでは解決することができない課題に直面してきました。まだ誰も乗り越えたことのないその山を越えるために DataRobot が開発してきたものの一つが AIサクセス であり、そしてもう一つがこのブログでご紹介したエンドツーエンドのプロセスを自動化する製品です。

もはや DataRobot は AutoML だけの会社・製品ではないといえるでしょう。すでに DataRobot は従来のいかなる AutoML の概念も超えた広範囲の自動化を進めています。しかし、バージョン6.0はエンドツーエンドの姿が具体化された最初のリリースであり、これで終わりではありません。今後の進化にもどうぞご期待ください。

投稿 DataRobot 6.0の新機能 は DataRobot に最初に表示されました。

情報は多くの企業で必要不可欠なものです。世界中の企業のIT部門が、情報を安全に保つことに重大な関心を寄せるようになりました。これは特に、重要な業務機能 (データホスティング、CRMシステム等のSaaSアプリケーションも含みます) のクラウド移行を進める際に大きな懸念となります。

DataRobotはお客様のデータセキュリティを最重要視しています。このたび、弊社のマネージドクラウドソリューションが外部 (第三者) 監査機関よりSOC 2 Type II認証を受けたことをお知らせいたします。この認証により、DataRobotが業界標準に準拠し、情報のセキュリティと機密性においてベストプラクティスを実施していることが証明されました。

SOC 2とは？

米国公認会計士協会 (AICPA) では、SOC (System and Organization Controls) として、以下を含む広範なセキュリティコントロール (統制) を管理する一連の条件を定めています。

• 技術的統制 (アクセスコントロール、データ暗号化、ファイアウォール等)
• 企業統制 (物理的セキュリティ、人的セキュリティ、コーポレートガバナンス等)
• 法的統制 (契約履行、NDA、知的財産等)
• ソフトウェア開発に関する統制 (安全なソースコード、変更管理、品質保証等)

SOC 2認証の取得は必須ではありません。しかし、リスクを最小化して、データがリスクにさらされる可能性を低減することは、クラウド上にデータを保存するベンダーにとって非常に重要です。 認証取得を希望する企業は、登録済みかつその企業とは無関係な公認会計士 (CPA) がコンプライアンス監査を実施することに合意する必要があります。企業ごとに作成される監査結果報告書には、その企業がデータのやり取りとセキュリティを管理するため導入したビジネス慣行と業務統制の概要が示されます。

SOC 2認定には2つのレベル (Type I、Type II) があります。Type Iでは、特定の時点におけるシステムが評価されます (期間評価ではありません)。その際、質・量ともに十分なコントロールを説明、文書化および設計しているかどうかが重視されます。DataRobotは、2018年3月にマネージドクラウド環境とオンプレミス/プライベートクラウド・ソリューションにおいてType I認証を取得しました。

弊社が最近取得したType II認証では、Type Iよりも厳しく詳細な審査が行われます。独立監査人が、マネージドクラウド環境でのセキュリティコントロールの実装とその運用効果を経時的に (通常は数か月間) 確認しました。また、この監査では、弊社のオンプレミス/プライベートクラウド製品と共有しているコントロール (技術的統制、企業統制、ソフトウェア開発に関する統制等) も数多く対象になりました。

SOC 2認定がもたらす多くのメリット

SOC 2 Type II準拠とは、セキュリティについて明確な方針、手続きおよび慣例が整備されていることを意味します。単にデータシートへの仕様追加を迅速化するといったことではありません。SOC 2認定の取得に向けた準備には約1年かかります。この間に、懸念となっているセキュリティ対策をすべてダブルチェックし、一層の強化について提案を受けることも可能です。

業務をクラウドに移行することで得られるメリットはたくさんあります。たとえば、インフラストラクチャ管理の責任範囲やコストは処理要件によって増減しますが、それらを一律に減らすことができます。ただし、重視すべきセキュリティ対策をIT担当者が把握していないまま、業務をクラウドに移行すると、会社全体がデータ窃盗、恐喝、マルウェアインストールといった攻撃にさらされるリスクが発生する恐れがあります。取引ベンダーがSOC 2 Type II認定を取得済みであれば、適切な長期的セキュリティ慣習を整備して情報リソースのセキュリティを確保していることが証明されているため、ITセキュリティチームは安心して眠れます。

筆者紹介：

Bob Laurent (ボブ・ローラン) は、 DataRobotのプロダクトマーケティング担当シニアディレクターである。DataRobot入社前は、Alteryxにてプロダクトマーケティングを担当。データアナリストの間で製品の認知度を高め、確かな顧客基盤の構築・拡大に尽力した。20年超にわたる富士通およびNYNEX (現Verison) での勤務を通じて、マーケティング、メディアリレーションズ、通信網技術の各分野を経験。現在、妻と2人の息子とともにダラス在住。クラークソン大学で理学士の学位、その後ニューヨーク大学スターンスクールオブビジネスでMBAを取得。

投稿 DataRobotがSOC 2 Type II認証を取得 は DataRobot に最初に表示されました。

投稿 クラウドデプロイメント新機能(2018/9/14) は DataRobot に最初に表示されました。

DataRobotのv4.0がリリースされ、新たな新機能がたくさん追加されました。その中でも特に大きなアップデートとして多値分類問題への対応と異常検知問題にDataRobotが対応できるようになりました。本稿では、新機能である多値分類問題と異常検知問題がそもそもどういったユースケースで使えるものであるかについて説明し、DataRobotでどのような機能として実装されたかについて紹介していきます。

多値分類問題

多値分類問題とは

多値分類は他にもマルチクラス(Multi-class)や多クラス分類などと呼ばれることがあります。ターゲットとなるものがYes、Noのような２種類のカテゴリ型のデータを分析していたものを二値分類と呼ぶのに対して、多値分類はターゲットがA,B,Cや松、竹、梅のように3つ以上あるものとなります。

例えば、「顧客がどこのセグメントに属するのか？」 や「どのチャネルでのアプローチが効果的なのか？」といった問題に直接対応できるようになりました。マーケティングではセグメントごとにユーザーへのアプローチを変えるため、正確なセグメント予測によって、その後のCVRを上げることに繋がります。またリードジェネレーションの次のアクションとして効果的なものは何なのかという課題に対して、これまでに行ってきたアクションの実績から正解パターンを事前に予測することもできるようになります。

DataRobotにおける多値分類機能

DataRobotではこれまでも二値分類問題の応用として、One vs Restの形式で複数の二値分類プロジェクトの組み合わせで多値分類を行うことができましたが、現在は一つのプロジェクトで多値分類を行うことができるようになりました。特別な設定は特に必要なく、これまでと同じようにターゲットで3つ以上のユニークなカテゴリ型を選択すると自動的にDataRobotが多値分類問題と判定し、これまでと同じように最適な指標や使用するブループリントをDataRobotが全て選択してくれます。

多値分類問題のプロジェクトを実行した場合にもモデルの見え方などは従来と同じです。リーダーボードからモデルを選択してモデルの性質を見たり、デプロイすることができるようになっています。多値分類問題では、二値分類問題や回帰問題で使用していたROC曲線やリフトチャートが視覚的に表現できないことから多クラス混同行列を持ってモデルの精度を一目で確認することができるようになっています。

多クラス混同行列はこれまでの二値分類問題で使用していた混同行列を多値分類問題に対応させたもののため、基本的な見方は同じです。違う点としては、閾値という概念はなく、もっとも予測値の高いクラスになったものを実測として計算していきます。これまでと同じように左上から右下への対角線状の升が予測が正解したもの(緑の円で表現)になり、それ以外に関しては間違えたもの(赤の円で表現)となっています。どのクラスはうまく予測できていて、うまく予測できていないクラスはどのクラスと間違えてしまったのかが一目でわかるようにUIが工夫されています。もちろん、直感的な図だけでなく、具体的な%のリストまでドリルダウンすることもできます。

異常検知問題

異常検知問題とは

機械学習には大きく、教師あり学習と教師なし学習というジャンルがあります。これまでDataRobotは教師あり学習に特化して対応していましたが、異常検知問題という教師なし学習にも対応できるようになりました。

例えば”外れ値検出”や”新規性検出”といったこれまで一度も発生しないような事象を捉えたいという問題に対応できるようになりました。製造業ではこれまでに一度も発生していない故障や数えるほどしか発生していない故障を検知することによって予防検知を実現できるようになります。また金融業における不正取引では犯罪の高度化によって過去と同じパターンが取られず、常に最新の手法となります。そのような不正取引においても過去の取引との違いからくる異常を検知して未然に検知することができるようになります。

DataRobotにおける異常検知機能

異常検知機能はこれまでのDataRobotで見せていた教師あり学習とモデルの考え方に違いがあるため、現時点ではある程度データサイエンスが理解できる人向けのβプログラムという形でご利用テーマなどをご相談の上提供させていただいております。

異常検知機能が有効にされているアカウントでは、これまでと同じようにDataRobotでオートパイロットを実行すると自動的に異常検知モデルも実行されます。またリポジトリから明示的に指定して実行することもできます。全ての異常検知モデルはAnomalyという言葉が含まれているため、簡単に見つけることができます。

異常検知モデルにおいても操作やリーダーボード上の見え方としてはこれまでのプロジェクトと同じになっています。ただ最適化する指標に対してのアプローチや教師ラベルの取り扱い方など内部の動きに違いがあります。元のデータを分析し、どのデータがどれくらい”外れている値”なのかを異常値として算出します。算出した異常値においてはリーズンコードも使用でき、どうしてそのデータが異常値となったのかという理由も確認することができます。

また新しいインサイトとして、元のデータに対して異常値の高いものをハイライトした表を確認することができるようになりました。異常値 (anomalyScore) は、最も異常度合いが高いものを1、最も低いものを０として相対評価されます。

まとめ

多値分類問題への対応、異常検知問題への対応によって、これまで半自動で対応していた問題やDataRobotでは対応できなかった課題への適用が簡単にできるようになりました。

v4.0には今回紹介した多値分類問題への対応、異常検知問題への対応以外にも多くの新機能が含まれています。DataRobotはより良い予測を早く出せるように様々な機械学習問題への対応の幅を広げています。ぜひ新しいDataRobotを体験ください。

投稿 v4.0新機能 多値分類と異常検知が登場 は DataRobot に最初に表示されました。

DataRobotはAPIからモデリングや予測などの操作を行うことができます。今回そのAPIのバージョン2.8がリリースされました。

今回のリリースは現在app.datarobot.com（クラウド版DataRobot）とオンプレ版DataRobotでv4.0をご利用の皆様に影響します。

Pythonユーザーの方は

pip install "datarobot>=2.8,<2.9"

をpipが利用可能なコマンドラインから実施することによってPython 2.8 API クライアントをインストール可能です。ドキュメントはこちらから確認可能です。

Rユーザーの方は

install.packages("datarobot")

よりR 2.8 APIクライアントをインストール可能です。（2017年1月10日時点ではR 2.8 APIクライアントはCRANの投稿プロセス中のためまだ利用できません）

API 2.8によって、

1. 多値分類問題への対応
2. 多クラス混同行列への対応
3. 格付表への対応
4. 探索的データ分析(EDA)による基本統計量のエクスポート
5. 学習、検定データへの予測
6. ブループリントの図とドキュメントのエクスポート
7. プロジェクト作成、予測データセットアップロードでのurlアップロードの利用に対応

上記の操作が利用可能になりました。

今回のアップデートによって、v4.0の新機能やこれまで要望として多くいただいていたEDAで分析した結果の取得に対応できるになりました。

投稿 [API アップデートNEWS] API 2.8リリース は DataRobot に最初に表示されました。

DataRobotはAPIからモデリングや予測などの操作を行うことができます。今回そのAPIのバージョン2.7がリリースされました。

今回のリリースは現在app.datarobot.com（クラウド版DataRobot）をご利用の皆様に影響します。

クラウド版をご利用の方でPythonユーザーの方は

pip install datarobot

をpipが利用可能なコマンドラインから実施することによって最新のPython 2.7 API クライアントをインストール可能です。ドキュメントはこちらから確認可能です。

Rユーザーの方は

install.packages("datarobot")

よりR 2.7 APIクライアントをインストール可能です。（2017年9月11日時点ではR 2.7 APIクライアントはCRANの投稿プロセス中のためまだ利用できません）

API 2.7によって、

1. リフトチャートのデータ出力
2. ROCカーブのデータ出力
3. ワードクラウドのデータ出力
4. スコアリングコードJARアーカイブ
   対応モデルからのスアリングコードのエクスポート
   （DataRobot Primeオプションを利用可能なアカウント限定機能）

上記の操作が利用可能になりました。

今回のアップデートによって、リフトチャートやROCカーブの値が一定の値を超えたモデルをピックアップするといったような操作もAPIで自動化することができるようになりました。

投稿 【APIアップデートNEWS】API 2.7リリース は DataRobot に最初に表示されました。