メインコンテンツへジャンプ

AutoML

エキスパートの増強と、市民データサイエンティストの支援

Glass Box Approach to AutoML

Databricks AutoML を利用することで、ベースラインモデルやノートブックを素早く作成できます。機械学習のエキスパートは、いつもの試行錯誤を重ねなくても、ドメイン知識を活用してカスタマイズに集中できるため、ワークフローを加速できます。市民データサイエンティストは、ローコードアプローチで有用な結果を迅速に得ることができます。

Jump-start new ML projects

新しい ML プロジェクトを素早く開始

Databricks AutoML は、データサイエンティストが開発を迅速に開始できるよう、トライアルを実行するたびにトレーニングコードを提供します。データサイエンティストは、機械学習(ML)用のデータセットの実現可能性を迅速に評価したり、ML プロジェクトの方向性を素早く確認したりするために使用できます。

機械学習の問題を効果的に解決

AutoML を活用して、分類、回帰、予測など、さまざまな機械学習の問題に取り組むことができます。AutoML は、さまざまな機械学習ライブラリの複数のアルゴリズムを問題の種類ごとに使用し、問題に最適なものを選択します。

Prophet logo
Shap logo
LightGBM logo
Scikit Learn logo
apache spark logo
dmlc XGBoost logo
Prophet logo
Shap logo
LightGBM logo
Scikit Learn logo
apache spark logo
dmlc XGBoost logo

Automate the grind of machine learning

機械学習の煩わしさを自動化

トレーニングライブラリ、実験の追跡を可能にする MLfow、トレーニングとテストの分割、特徴量の正規化、ハイパーパラメータチューニングといった ML のベストプラクティスを活用することで、機械学習プロジェクトのセットアップを自動化できます。

Glass Box Approach to AutoML

AutoML に対するグラスボックスアプローチ

生成された編集可能なノートブックを使用して、各分野の専門知識に基づいてベースラインモデルを簡単にカスタマイズできます。また、これらのノートブックを活用して、監査やコンプライアンス要件を満たすために AutoML モデルがどのようにトレーニングされたかを説明することもできます。

無料お試し・その他ご相談を承ります