機械学習の自動化

機械学習の自動化とは

 

自動機械学習（AutoML）は、あらゆる規模の組織で、機械学習とデータサイエンスに対するアプローチに根本的なシフトが起きることを意味します。従来の機械学習の手法を現実世界でのビジネス上の問題に応用すると、時間がかかり、大量のリソースが必要な上、難易度も高くなります。データサイエンティストを含め、複数の分野エキスパートが必要です。しかもその一部は、求人市場で今引く手あまたのプロフェッショナルです（英語）。

それを変えるのが自動機械学習です。未加工データに対して体系的なプロセスを実行し、そのデータから最も関連性の高い情報を引き出すモデルを選択するという方法で、実際の機械学習モデルの構築と利用を簡素化します。そのような情報は「ノイズの中の信号（the signal in the noise）」とも呼ばれます。自動機械学習には、トップクラスのデータサイエンティストによる機械学習のベストプラクティスが組み込まれており、組織全体でデータサイエンスを利用しやすくなります。

標準的な機械学習プロセスの概要を以下に示します。

Figure 1

図 1 からわかるように、従来のプロセスでモデルを開発する場合の自動タスクはモデルのトレーニングのみです。自動機械学習ソフトウェアでは、赤色で示されている手順、つまり、かつてはスキルのあるデータサイエンティストを必要としていた手動での単調なタスクをすべて、自動的に実行します。従来のプロセスは、ほとんどが数カ月または数週間を要しましたが、自動機械学習なら、ビジネスプロフェッショナルとデータサイエンティストは最長でも数日で数多くのモデルを開発して比較し、インサイトと予測を見つけ出し、より多くのビジネス上の課題をより迅速に解決することができます。

図 2 は、データセットをアップロードし、ビジネス上の課題に対するターゲット変数を選択した後の自動機械学習プロセスを示しています。

Figure 2

これらのステップの自動化によって課題解決の俊敏性とデータサイエンスの民主化を高めることができ、プログラミングについて幅広い知識がないユーザーでも利用できるようになります。

Why is Automated Machine Learning important?

機械学習モデルの手動での作成は複数のステップから成るプロセスであり、分野の知識、数学の専門知識、コンピュータサイエンスのスキルが必要です。1 社の中でこのすべてを求めるのは無理がありますし、ましてや 1 人のデータサイエンティストに望めることではありません（データサイエンティストを雇用できる場合でも同じです（英語））。その上、人的エラーや偏りが発生してモデルの精度とモデルから得られるインサイトの価値が下がる可能性は無数にあります。自動機械学習では、データサイエンティストの能力を組織内で育成する必要がなく、データサイエンティストの知識を組み込んで利用できると同時に、データサイエンス推進の投資収益率を高め、価値を引き出すまでにかかる時間を短縮することができます。

これまで、機械学習や AI は膨大なリソースを自由に使える組織だけのものでしたが、自動機械学習により、医療、フィンテック、銀行、公共機関、マーケティングをはじめ、あらゆる業界であらゆる規模の組織が機械学習と AI のテクノロジを活用できます。自動機械学習では、機械学習モデルの開発とデプロイで必要だった手動のモデリングタスクのほとんどが自動化されているため、ビジネスユーザーが機械学習ソリューションを容易に実装できます。これにより、データサイエンティストはそうしたタスクから解放され、より複雑な課題に注力できます。

Automated Machine Learning + DataRobot

自動機械学習を開発したのは DataRobot です。DataRobot の世界トップクラスのプラットフォームを利用すれば、あらゆる規模の組織やあらゆるスキルレベルのビジネスユーザーが、機械学習と AI の力をすばやく簡単に活用して課題を解決できます。さまざまな業界の企業が DataRobot を利用することで、業務の運用方法を改善し、顧客維持率を高め、債務不履行から治療の必要性まで各事項の主要関連要因を特定しています。

DataRobot はさらに、組織に自動機械学習を導入したい、自動機械学習の優れた能力をこれまで以上に活用したい、あるいは単に組織がこのテクノロジからどのような恩恵を得られるかを知りたいと考えているすべての方に、トレーニングコースを提供しています。DataRobot の自動機械学習プラットフォームが AI 主導型の企業を実現するための鍵になることをおわかりいただきたいからです。