機械学習では、予測・判断などの精度を維持するために、定期的に再学習しなければなりません。また、「新たに増えたデータも学習対象としたい」「違う観点から取得したデータもあわせて分析したい」などのニーズにも対応する必要があります。
一方で、生成したモデルを実業務に適用するには、実際のデータを収集・加工し、機械学習モデルで分析、その結果を業務システム・プロセスへと連携する形となり、この一連の流れをどう自動化するかも大きな課題となります。機械学習の実用化に向けて挙がるこれらの課題を解決するためにも、MLOpsが必要とされています。

dotData Opsとは

dotData Opsは、予測運用のパイプライン全体を自動化し、誰もが特徴量・機械学習モデルを運用できるMLOpsです。

Point1：予測運用の自動化

一般のMLOpsによる機械学習パイプライン管理では、データ加工と特徴量計算は、独自に開発、運用、保守までの対応が必要ですが、dotData Opsは、機械学習に必須のデータ前処理に加えて、機械学習モデルによる予測実行、特徴量計算のパイプラインのシンプルで迅速なデプロイが可能であり、データ、特徴量、予測モデルのパイプライン全体の運用自動化を実現できます。

Point2：予測・特徴量の劣化検知

dotData Opsは、モデルの精度や特徴量ドリフトに関する指標について、ダッシュボード上で可視化された時系列変化を確認することができます。また、これらの指標に対して監視閾値を設定することで、モデル劣化や特徴量ドリフトを検知しSlack・Microsoft Teamsにアラートを通知することができます。

Point3：劣化の要因探索

モデルの劣化や特徴量ドリフトの要因をソースデータまで遡って分析できます。

主な特長

モデルのデプロイが容易

モデルパッケージをアップロードするだけで、特徴量パイプラインとモデルを予測運用環境へデプロイできます。

予測・評価の定期実行

日次、週次、月次、またはカスタムスケジュールで定期的な予測と評価のスケジュールを設定し実行します。

ビジネスインパクトの監視

ビジネス指標を登録し、特徴量とモデルのビジネスへの影響を監視します。

モデル・特徴量ドリフトの監視

モデルの劣化、特徴量ドリフトを監視し、ダッシュボード上で時系列変化を可視化できます。

劣化の検知・アラート

ビジネス指標、モデル精度、特徴量分布のドリフトに対する監視閾値を設定し、劣化を自動検知してSlack・Microsoft Teamsにアラートを通知します。

ソースデータの診断

モデルの劣化や特徴量ドリフトの要因をソースデータまで遡って分析し、根本原因となっているデータのテーブルとカラムを特定します。

エンド・ツー・エンドのパイプライン管理

データ加工、特徴量計算、予測／評価実行のパイプライン全体を管理します。

dotDataのAI・データ分析プラットフォーム

企業におけるAIとデータの活用において最も重要かつ難易度が高いのは、ビジネスの課題を解決するための洞察、すなわちデータから「特徴量」を見出すことです。dotDataの製品は、世界をリードする特徴量自動設計技術を核に、AIによる特徴量の導出がビジネスに新たな洞察をもたらし、企業のDXを推進します。