はじめに DataRobotで主に政府公共領域やヘルスケア業界のお客様を担当しているデータサイエンティストの若月です。 …
ターゲットマーケティングなどで近年注目されているアップリフトモデリングは、介入効果を個別またはサブグループごとに予測することで介入すべき対象を明らかにする手法です。本記事では、アップリフトモデリングのメリットや適用範囲・注意点を説明し、DataRobotを用いたシンプルな操作によるモデル構築方法をご紹介します。
片方のクラスが極端に少ない、あるいは大半の値がゼロといったゼロ過剰などのバランスの悪いデータを不均衡データといいます。このようなデータの偏りは、予測結果の偏りにつながるなどという問題があります。本記事では、不均衡データへの代表的な対処法を紹介し、DataRobotにおいてこの問題をどう扱うかについて解説します。
「AI x ルールベース」をどう使いこなすのが望ましいか、金融・保険業界でのビジネス適用事例も交えてご紹介。 条例やコンプライアンスに従いビジネスロジックの自動化を図るには、AIとルールベースのそれぞれの強みを理解し、適切に棲み分け、組み合わせることが、AIを活用した自動化・高度化を実現する上で重要です。
直感的なUIで誰でも簡単に扱うことができるDataRobotですが、実はPythonとRを普段から扱うデータサイエンティストやR&D部門の技術者の方々にもご活用いただいています。この記事ではPythonとRユーザーの皆様の生産性をさらに高めるDataRobotの機能をユースケース（事例）を交えながら解説します。
2021年11月12日に金融庁は「モデル・リスク管理に関する原則」を公表。Part 2では、金融庁の示すモデル・リスク管理における8原則を解説しながらAIサクセスとDataRobot MLOpsによってどのように対処できるかについて解説していきます。
2021年11月12日に金融庁は「モデル・リスク管理に関する原則」を公表。急速に進む金融機関のAIモデル活用ではAIモデルのリスク管理が、モデル・リスク管理では体制とそれを実現するシステムが重要になります。Part1では、3つの防衛戦などAIモデル・リスク管理における態勢構築を中心に解説。
需要予測は近年AIの活用が著しい領域ですが、需要を予測しただけではビジネスインパクトには繋がりません。予測した需要を適用できる主な業務として在庫の最適化があります。本稿ではAIを用いた需要予測の在庫最適化への活用方法を考察します。
本ブログでは、信頼できる AI を構成する要素のうち、モデルのパフォーマンスについて説明します。高度なパフォーマンスの実現には、主に「データ品質」、「精度」、「堅牢性と安定性」、「スピード」の 4 つが必要です。