AI戦略を加速させるデータサイエンスの未来像
H2O Driverless AIは、機械学習の主要なタスクを数ヶ月ではなく、数分から数時間で完了させる自動化により、データ科学者がより速く、より効率的にプロジェクトに取り組めるよう支援します。H2O Driverless AIは、自動機能設計、モデル検証、モデルチューニング、モデル選択と展開、機械学習の解釈可能性、独自レシピの持ち込み、時系列、モデルスコアリングの自動パイプライン生成を提供することにより、あらゆる業界のあらゆる企業の様々なユースケースのニーズに対応する拡張可能なカスタマイズ可能データサイエンス・プラットフォームを企業に提供します。
主要な機械学習ツール
| 分析全般をカバー （老舗） | オープンソース （トレンド） | 自動チューニング （AI化） | |
|---|---|---|---|
| エンジン | 独自 | オープンソース Tensorflow, casualpackage,inter.NET | オープンソース XGBoost,LightGBM |
| U/I | GUI +プログラミング | プログラミング | GUI＋自動化 |
| 代表ツール |  |  |  |
データサイエンティストなど、データ分析・活用で高度なスキルを持つ人材の獲得がきわめて困難になっています。そんな中、専門家でなくても、高度なマシンラーニング(機械学習)の利用を可能にするツール、それが Driverless AI です。
「Driverless」とは、ドライバーによる運転を不要にする自動運転車から着想したネーミングで、Driverless AIは、自動運転と同様に、誰もが高度なデータ分析をできるようにするために、データサイエンテイストが行う必要があるマシンラーニングモデル作成業務を自動化します。
Driverless AIは、専門家の力を借りなくても、自力でAIを利用できる「AIの民主化」を目指す製品です。
開発には「Kaggle Grandmaster」など世界でトップレベルのデータサイエンティストが多数携わっており、その高度なノウハウが組み込まれています。
Driverless AIの使い方
Driverless AIの操作の流れや解析の仕方を動画で解説しています。操作方法・活用方法を知りたい方は以下の情報を参考にご覧ください。お問合せは以下のフォームにてよろしくお願いします。
Driverless AI 操作の流れ
Driverless Aの操作の一連の流れを説明します。
- データのアップロード
- データ分割(学習/テスト)
- モデル学習の設定と学習の実施
- 結果の確認までのモデル作成の一連の流れ
- その他の便利な機能(モデルパイプラインの表示やAutoDocのダウンロード)
H2O AI 活用の第一歩
- H2O AIの紹介
- そのミッション
- 製品コンセプトそしてAI課題へのアプローチ
- 代表的な活用イメージ・ユースケース
- 製品ラインナップの概要
- 学習カリキュラム・ワークショップの紹介
H2O Waveチュートリアル
H2O Waveは、オープンソースのPythonによるWebアプリケーション開発フレームワークです。 Matplotlib, Plotly, Altair, Bokeh, H2O, Keras, PyTorch, Seaborn,TensorFlow,といったライブラリと連携し、さまざまなAIアプリケーションの開発が可能です。
予測精度評価と不均衡データへの対応
各種Scorerの特徴とモデル評価の手法に関して、Driverless AIの機能を中心に解説を実施します。
材料開発や生産技術の分野で重要な領域だと思います。 非常に問い合わせが多かったので、Waveを用いて作成した簡易的なアプリの紹介です。
Driverless AI – その他の情報
H2O Driverless AIは、高度なデータ分析によるビジネス決定の意思決定をサポートする機能を果たします。初心者から上級者の方まで利用する事ができます。以下は関連する情報ですので参考にご覧ください。