自分で選ぶ (AutoML) アドベンチャー
初心者としてガイダンスを求める場合でも、専門家がゼロからカスタムで機械学習モデルを開発する場合でも、DataikuのAutoMLは、さまざまな機械学習タスクを加速するために、事前構築済みかつ設定可能なツールを提供します。
デフォルトの設定をそのまま利用することも、AutoMLのプロセスを目的に応じて簡単にカスタマイズすることも可能です。
特徴量エンジニアリングを加速
特徴量エンジニアリングのプロセスを効率化するため、シチズンデータサイエンティストから専門家まで、あらゆるユーザーが自動特徴量生成を活用できます。また、Dataikuのフィーチャーストアで参照可能な特徴セットを見つけ、プロジェクトにインポートすることも可能です。
DataikuのAutoMLは、特徴量選択や次元削減、欠損値処理、変数エンコーディング、リスケーリングなどをデータ型に基づいて自動適用します。デフォルト設定を受け入れることも、目的に応じて簡単にカスタマイズすることもできます。
高度な技術をコード不要で活用
AutoMLは単に、基本的なモデルを作成するだけではありません。Dataikuでは、シンプルかつ柔軟で強力なAutoML を実現できます。Dataikuには、ディープラーニング、時系列予測、因果推論、マルチモーダルMLなどの高度なテクニックをビジュアルかつコード不要でサポートする機能が組み込まれています。
Learn More About Building Multimodal ML Use Cases With Dataiku
NLPを利用したスマートなメール分類
（NLPベースのメール分類システムの）開発にはデータサイエンティストが関与しましたが、Dataiku AutoMLの機能を活用することで、モデルの構築と比較を迅速に行い、開発スピードを向上させることができました。
データ＆AIプロジェクトの民主化と加速
Air Canada は、Dataikuのビジュアルフロー、AutoML、カスタム機械学習モデルを活用し、顧客360度ソリューションを構築。その結果、多数の潜在的な特徴量を迅速に取得し、新しい予測モデルや顧客セグメント化、レコメンデーションシステムの学習時間を、数週間から数時間へ短縮することができました。
モデルの評価、解釈、説明を簡単に
Dataikuには強力な説明性（Explainability）の機能 が備わっており、技術者も非技術者も、機械学習モデルの結果を容易に理解できます。
インタラクティブなパフォーマンス分析や解説レポートには、公平性分析、What-if分析、ストレステストなどが含まれており、透明性の高いホワイトボックスアプローチを実現します。
組み込みのガードレールで安心を確保
非専門家が機械学習モデルを利用できるようになることでAI活用が拡大しますが、一方で企業はコントロールを失うのではと懸念するかもしれません。では、AutoMLで構築した機械学習モデルが本当に適切かどうか、どうやって確信を持てるのでしょうか？
Dataikuでは、デバッグ機能や組み込みのアサーション により、モデルが予期せぬ挙動をした場合にアラートを発信します。また、自動生成されるモデルドキュメントにより、モデルの仕組み（アルゴリズム、特徴量、処理内容など）、チューニング方法、パフォーマンスが明確になります。
データ準備からモデル構築、デプロイ、監視まで—すべてをDataikuで
AutoMLが単独の機能として切り離されると、機械学習プロセスの異なる部分（データ準備、分析、デプロイ、ガバナンス）を統合するのが困難になり、全体像が見えづらくなることがあります。これにより、データサイロが発生し、パフォーマンスに悪影響を与える可能性があります。
Dataikuでは、すべてを1つのツール上で実行できるため、データとAIのライフサイクル全体を関係者が可視化し、ベストプラクティスを遵守できます。コラボレーション可能なビジュアルフロー では、データパイプラインの各ステップが透明性をもって表示され、全プロセスを一目で把握可能です。
Discover Dataiku Data Prep Capabilities
BIツールからプロジェクトを開始すると、進行するにつれて新しい環境の設定が必要になることがあります。Dataikuなら、シンプルなインサイト探索から、より具体的な予測モデルの開発へと、同じツール上でスムーズに進化させることができます。
Roel Dirks
Business Architect Data Science at Rabobank