サプライチェーンの「DX」という言葉がメディアで日々取り上げられる一方で、「どこから 手をつけて良いのかわからない」「どんな体制が必要なのか」といった 声が多く聞かれます。遅れていると指摘される日本の DX をどう進めて いくべきなのでしょうか。現場起点で AI 活用に取り組み、全社的に AI 活用を推進しているヤマハ発動機株式会社の大西 圭一氏とダイハツ 工業株式会社の太古 無限氏に、DX を推進するプロジェクトをどう立ち上げ、どう広げていったのかを聞きました。
滋賀大学データサイエンス学部 河本薫教授は「データ分析でビジネスを変革するとは、意思決定プロセスを合理化することである」とおっしゃています。機械学習で意思決定プロセスを合理化するためのコンセプト、Decision Intelligenceとその創出効果を説明します。
DataRobot は新たな調査を行い、その結果をまとめた「DataRobotのTotal Economic Impact 」を発表しました。DataRobot の AI プラットフォームを使用している組織は、正味現在価値(NPV)400万ドル、投資収益率(ROI)514%を達成し、多くの場合、3か月以内に投資金額を回収しています。
本ブログでは、機械学習モデルが机上で良く見えるだけでなく、実際に本番環境において新しいデータで動作するように、推奨事項を説明します。また、DataRobot の統合されたベストプラクティスとガードレールがどのように役立つのかを見ていきます。
COVID−19のような緊急時には、SNS上に信ぴょう性が疑われる情報が大量発生します。人でのファクトチェックは間に合わず、AI支援が求められています。そこで、NTTデータ社がDataRobotを活用して、機械学習で新型コロナウイルス関連ツイートのデマ判定が可能か検証しました。
フロントオフィスで機械学習を自動化することのメリット、問題をフレーミングすることの重要性、機械学習の自動化技術を導入することで調査可能な問題空間がどのように広がるのかを見ていきます。さらに、機械学習アルゴリズムの選択が、単に探求対象のパラメーターの1つとして考えるべき理由についても説明します。
一般的な教師あり機械学習では、条件が与えられた際の結果を予測するモデルをデータから生成します。現実の開発においては、逆に結果の予測値よりも最良の結果を与える配合条件が知りたいというケースの方が多いでしょう。本ブログでは、DataRobot最適化アプリによる材料配合の最適化と、その不確実性の取り扱いについて解説します。
これまでに何百人ものDataRobotユーザーさんにご受講いただいてきた DataRobot University のカリキュラムが刷新されます。今回の変更に合わせ、これまで使っていたトレーニングプラットフォームから、SkillJar に移行することで、ユーザーの皆さんが直接トレーニングにご応募いただくことができるようになります。
MLOpsにチャンピオン/チャレンジャーのフレームワークが追加されました。この新しい機能により、DataRobotのお客様は、管理されたフレームワークの中で、現在最高のパフォーマンスを発揮しているモデルと並行して、チャレンジャーモデルをシャドーモードで実行できます。
金融機関での不正出金のニュースが世を賑わしています。ほぼ毎日なんらかの不正が行われています。その被害額も凄まじく、2019年1年間のクレジットカードの不正利用額は273.8億円にも上ります。本ブログでは、様々な不正の種類に触れながら、実際に不正を防ぐための対策をどのようにAIで実現していくか紹介します。