はじめに
Domoは、すべての人が機械学習できるようにする方法を示しています。
様々なソースからデータにアクセスし、短時間で使用できるようにするにはDomoを使用してください。機械学習(ML)は複雑なビジネスの問題へのインサイトを提供し、意思決定を改善し、ビジネスプロセスを自動化するための次のステップです。しかしながら、多くの組織では、データ向けの機械学習モデルを作成するデータサイエンスの専門知識がありません。また、データサイエンスチームを持っている組織は機会に溺れ、機械学習ソリューションを本番環境に導入することなく、さまざまなビジネス上の問題を調査するために数か月を費やしています。AutoMLはこのような状況における解決策を提供します。
DomoとAWS:成功のためのパートナーシップ
新しい自動機械学習(AutoML)により、機械学習が誰もが理解できるようになったことをお知らせできることをうれしく思います。Amazon SageMaker Autopilotとの提携により、データサイエンティストであっても、またデータサイエンスの初心者であっても、機械学習で分析を強化し、そのインサイトを誰とでも共有できるAutoMLの機能を作成しました。Amazon SageMaker Autopilotは、顧客が提供するデータに基づいて MLモデルを自動的にトレーニング、調整するAmazonウェブサービス(AWS)のソリューションです。企業は、DomoのデータをAmazon SageMaker Autopilotへの入力として使用し、最高のパフォーマンスを発揮するモデルを自動的に作成し、新しい受信データに適応する予測パイプラインを展開できます。DomoとAmazonSageMaker Autopilotの提携により、より多くの従業員がMLにアクセスできるようになり、ML主導のビジネスのインサイトが促進されます。
注記:この機能は、オンデマンドおよび有料でのご利用になります。
機能の有効化をリクエストするには、以下の手順を実行します。
-
Domoのカスタマーサクセスマネージャー(CSM)、テクニカルコンサルタント(TC)、またはアカウントエクゼクティブ(AE)に問い合わせてください。
-
CSM、TC、またはAEの連絡先情報がない場合は、テクニカルサポートに連絡してください。サポートに問い合わせる方法については、ヘルプとサポートを参照してください。
機能によっては、利用する前にトレーニングを完了する必要があるものもあります。
AutoMLの動作
DomoはAmazonSageMaker Autopilotを活用して、結果の予測に必要なMLモデルの自動トレーニングと調整を簡単に行えるようにします。数回クリックするだけで、AutoMLはデータを変換して機械学習の準備を整え、Domoの任意のDataSetで数百のトレーニングジョブを起動して、タスクに最適なパフォーマンスを実現するモデルを見つけます。その後、Magic ETLの中の新しいAutoML インターフェースタイルを使用して、簡単にDomo DataSetにモデルを展開できます。AutoMLで機械学習を成功させるために必要なのは、明確に定義された問題とクリーンなDataSetだけです。残りはDomoが処理します。
動作を確認するには、こちらのビデオを参照してください。
AutoMLを使用するステップ
- データをビジネス目標に合わせて、機械学習の準備をしましょう。
- AutoMLトレーニングジョブを起動します。
- Model Leaderboardページでモデルのパフォーマンスを評価します。
- モデルがビジネス目標に対して適切に機能する場合は、Magic ETLでAutoML推論タイルを展開します。
- モデル監視ダッシュボードを設定します。
- 関係者の予測についてのAppまたはストーリーを作成します。
AutoMLのデータを準備
ビジネスの利害関係者と調整して、業務上の問題、自動化する価値のあるタスク、ビジネスの問題に的確なモデルのパフォーマンス、および利用可能なデータを完全に理解できるようにします。出力変数(AutoMLがトレーニングすることを予測する変数)を持つ1つの列と、出力列に影響/影響を与えると予想される入力を列挙する多くの列を持つ1つの DataSetにデータをまとめるのに時間をかけます。DataSetには必ず1つの出力列のみを含めるようにしてください。また、各行はビジネス上の問題の中の1つの記録を要約する必要があります。例えば、どの販売機会が終了するかを予測する場合、各行は最初から最後まで1つの異なる販売機会を列挙し、出力列には販売機会の結果(つまり、成否)をリストする必要があります。
機械学習用のデータクリーニングについての機械学習のためのすばらしいブログの投稿、コース、書籍、動画がオンラインで多数あります。あるいは、Domoのプロフェッショナルサービスチームは、は常にデータクリーニングのスキルセットを強化するためのリソースをいつでも利用できます。
AutoMLトレーニングジョブを起動する方法
以下は、お試しのサンプルDataSet と一緒にどのようにAutoMLを使用する方法の説明です。これはもともとUPI機械学習リポジトリから取得した、電話会社での顧客離れの概要を示すDataSetです。
このリンクをクリックしてテスト用のDataSetをダウンロードし、新しいDataSetとしてインスタンスにアップロードします。
- DataSetがDomoにアップロードされると、自動的に新しい顧客離れDataSetのDataSet詳細ページに進みます。[AutoML]タブをクリックするか、「新しいアルゴリズムをトレーニング」オプションを選択し、「スタートする」をクリックします。
- AutoMLは自動化する列を尋ねます。DataSetの「クラス」列に基づく顧客離れを予測したいとします。そこで、[数値]セクションの下で、クラスを検索して選択します(省略符号ボタンをクリックして検索する必要がある場合があります)。
- ターゲット列(「クラス」)が選択されたらすぐに、どのトレーニングタスクをAutoMLに実行させるか決定します。このシナリオでは[自動]を選択できますが、実行するタスクがわかっている場合は、タスクを明示的に指定できます。
- 「トレーニングを開始」をクリックして、リラックスし、Mr Robotoがすべての作業を行うのを見てください!
モデルのパフォーマンスを評価する方法
モデルの概要ページでは、最高のパフォーマンスのモデルが自動的にハイライトされます。このページでは、AutoMLが代わりに実行した様々な試行を比較できます。トレーニングおよび検証セットに対してモデルのパフォーマンスを確認し、どのハイパーパラメーターが最も優れたパフォーマンスモデルをもたらしたかを表示することができます。パフォーマンスが業務上の問題に適応する場合、Magic ETL DataFlowを介してモデルを本番環境に展開できます。これにより、データが更新されるたびに、データに対して予測することができます。
MagicETLのAutoMLインターフェースタイルによる新しいデータの予測方法
一致する概要をもつDataSetをトレーニングDataSetに接続すると、AutoMLの推測タイルはAutoMLによってトレーニングされた機械学習モデルを使用してDataSetのすべての行を予測します。
コメント
0件のコメント
サインインしてコメントを残してください。