DataRobot ブログ

「データのパーティション」には多くの種類とそれぞれに特性があります。本稿では適切なパーティションを選択するために、各パーティションの手法ごとに利用シーンやメリット・デメリットを考察します。

モデリングを行う際に結果に大きく影響を与えるのが「データのパーティション」です。パーティションは特徴量エンジニアリングなどと異なり、表面上に見えにくいため軽視されがちですが、適切なパーティションを選ばないことにより運用で痛手を負うケースがあります。

DataRobotとPalantirは、AIや機械学習を活用した業務においては、組織のデータサイエンティスト、意思決定者、および一般従業員が協力して取り組める環境を整えることで、AIの価値を実現できるという考え方を共有しています。

オフセット項を利用することによって、ビジネスロジックや既存のドメイン知識をそのままモデルに組み込むことができます。少し高度なテクニックですが、オフセット項を身につけるとより機械学習の幅が広がります。

DataRobot は、AI のバイアスを評価および理解し、最終的に軽減できるように特別に設計された公平性ツールセットをリリースしました。​

MRの減少などで、より効率的な製薬企業医薬品のマーケティングが必要とされています。デジタル化やデータの利活用が注目されていますが、ABテストを実施しにくい医薬品のマーケティングではデータの活用は一筋縄ではいきません。どこにデータを利活用できる可能性があるか、機械学習の視点から紹介します。

機械学習モデルをビジネスで活用するには、なぜその予測がなされたか等、高い解釈性・説明性が求めらます。本ブログでは最近のアップデートで可能になったShapley Valuesを応用したSHAPによる特徴量の影響度算出について解説します。

水へのアクセスは基本的人権であり、UNICEF の持続可能な開発目標（SDG #6）のひとつでもあります。世界では、10億人近くの人々が（主にアフリカとアジアで）、毎日の水の使用をハンドポンプや蛇口などの農村部の水源に頼っています。

今『データドリブン』『データドリブン企業』がバズワードになっていますが、品質管理分野では既にデータドリブンという経営戦略が存在していました。では、データドリブンの本質は以前から変容したのか？データドリブン企業はAIを導入し成功するのに有利なのか？本ブログではこれらのテーマを考察します。