Loading...
ヘッダ画像のロゴ部分

データサイエンティストの成果を最大化する
モジュールプラットフォーム

モジュールプラットフォームである「Unimatrix Zero」は、
データサイエンティストの成果を最大化するクラウド・サービスであり、
AI活用企業に向けて提供されます

対象者

AutoML/DLツールなどから始め、


二・三年経過し、


腕前を上げてきたデータサイエンティストの方

抱える課題

  • 退屈な作業がある(横展開のサポート、実験結果の整理)
  • コードが未公開の論文アルゴリズムをプログラム化出来ない
  • 最新のAI論文を読む時間がない
  • 担当者が異動・退職すると引き継ぎが上手くいかない
  • 有効な特徴量の選択に時間がかかっている

スクリーンショット

導入効果

導入効果

モジュールにより最先端技術の利用が容易になる

モジュール導入により、最新論文のアルゴリズムを自らコード化する手間なく容易に活用できます。この利用がAI実験のスピードアップを実現し、試行回数を大幅に増やすことが可能となり、最先端技術の導入がより手軽に。

  • 最新論文のアルゴリズムを自身でプログラムコード化せずとも利用可能に
  • モジュール利用によりスピードアップしてAI実験の回数を増大

内製アルゴリズムをモジュール化して横展開を促進する

内製アルゴリズムをモジュール化することで、データサイエンティストの異動時の引き継ぎがスムーズに。車輪の再発明を避け、有益な作業への集中を促進します。このアプローチにより、社員全体のAI活用力を向上させ、組織全体の横展開を効果的に進めることが可能に。

  • データサイエンティストの異動に伴う引き継ぎが容易になる
  • 車輪の再発明を減らし、有益な作業に集中できる
  • 社員のAI活用力を底上げする

「構築」「検証」「学び」の早回しで成功する確率を高める

「構築」「検証」「学び」のフェーズを効率的に早回しします。モジュールのパイプライン構築で、問題設定に適した目的関数や評価指標の選定、特徴量の評価が迅速に行えます。さらに、考察レポートを共有することでチーム全体のデータ分析力を高め、成功の確率を大幅に向上させます。

  • 問題設定に合わせた目的関数や評価指標の選定、特徴量の選択と評価までをモジュールのパイプライン構築で素早く実行可能になる
  • 考察レポートを共有して、チームのデータ分析力を向上する

ムダ・ムラの低減

ムダ・ムラを効果的に低減します。パイプラインを通じて条件変更の実験が容易になり、自動記録で結果の記録ミスをゼロに。データ・モデルの変更時にもバージョン管理で再実行が簡単に。さらに、論文サーベイの共有で重複作業を大幅に削減し、効率化を実現します。

  • パイプラインにより各種条件を変更した実験結果の実行を容易にし、自動記録により結果の記録ミスを撲滅する
  • バージョン管理によりデータ・モデル変更による再実行が容易になる
  • 論文サーベイの結果を共有して重複作業を低減する

成果の見える化

「成果の見える化」を実現します。自動記録を活用し、性能の改善ステップを簡単にトレース。加えて、可視化モジュールにより高度なアルゴリズムを手軽に利用できます。このシステムは「再現性」「説明可能性」「協同性」「連続性」の四つの要素を兼ね備え、確かな成果を明確に可視化します。

  • 自動記録により、性能(目的関数や評価指標の値)の改善ステップをトレースが容易になる
  • 可視化モジュールにより高度なアルゴリズムを利用可能になる
  • 「再現性」「説明可能性」「協同性」「連続性」を得ることができる(注1, 注2)
指標説明
再現性9ヶ月前に学習したモデルが全く同じ環境で、同じデータで再学習ができ、ほぼ同じ(数%以内の差)の精度を得られるべきである
説明可能性本番で稼働しているどのモデルも、作成時のパラメータと学習データ、さらに生データまでトレースできるべきである
共同性他の同僚の作ったモデルを本人に聞くことなく改善でき、非同期で改善とコードやデータのマージができるべきである
連続性手動での作業0でモデルはデプロイできるべきであり、統計的にモニタリングできるべきである
注1)[Marsden, 2019]「Challenges for Machine Learning Systems toward Continuous Improvement」より
注2)将来実現する指標を含む
主な機能

主な機能

モジュール作成機能

PythonコードやJupyter Notebookによる内製アルゴリズムを数ステップの作業でモジュール化することが出来ます。 モジュールはバージョン管理されるため、過去のAI実験に影響を与えずに改善作業が可能になります。

モジュール・パイプライン機能

内製または購入したモジュールは、学習対象となるデータセットへ組み合わせて実行パイプラインを定義して利用します。AIアルゴリズムや可視化などの事前定義されたモジュールを組み合わせることによりAI実験を素早く実行可能になります。

モジュール共有機能

内製したモジュールは、組織内でのみ共有されるため秘密保持しながら利用可能です。弊社で開発した優良モジュールは別途購入することにより契約者様の組織内で利用可能になります。無料モジュールは購入せずに利用可能です。

モジュールに関して詳しく

モジュールに関して詳しく

モジュールとは

UnimatrixZeroでは、本体と連携するためのエージェントプログラムと共に指定されたバージョンのライブラリ、実行プログラムが含まれたDocker Imageをモジュールと呼びます。

「モジュールの効果」は明確です。問題設定にマッチした目的関数・評価関数・モデルをパッケージング。これらを組み合わせることで新しい価値が生まれます。さらに、固定されたバージョンのパッケージングにより、実行環境の安定性を保証します。

  • 問題設定に合わせた、目的関数・評価関数・モデルがパッケージングされている
  • 組み合わせることにより、新たな価値を創造できる
  • バージョンが固定されたパッケージングにより、実行環境が維持可能

モジュールの種類

モジュールには三種類あります

  • AIアルゴリズム・モジュール
  • 可視化モジュール
  • 特徴量エンジニアリング・モジュール
モジュール種類説明
AIアルゴリズム学習・評価のアルゴリズムを実行するもの。指定されたバージョンの機械学習・深層学習ライブラリで構成される。
可視化AIアルゴリズムで評価した結果や、生成した特徴量を可視化のアルゴリズムを実行するもの。ニューラルネットワーク自体を可視化するものも含む。
特徴量エンジニアリング問題設定に合わせた特徴量を作り出すアルゴリズムを実行するもの。AIアルゴリズムへ入力するためのデータセットを新たに生成する。

モジュール購入

モジュールを購入して利用する機能を準備予定です。この機能により、目的を達成できるモジュールを発見した場合、購入して自身のプロジェクトへ最短時間で取り込むことが可能になります。

モジュールを支える実験管理

モジュールを支える実験管理

実験管理のフロー

結果の自動記録

Jupyter NotebookやPythonコードへ UnimatrixZeroエージェント・ライブラリを組み込んで呼び出すことにより、クラウド上のUnimatrixZero本体へ結果(ハイパーパラメータ、評価結果、ログ、確認用画像など)を記録することが可能です。ローカルフォルダへ結果を整理する作業から解放されます。 さらに、結果を確認するために繰り返し記述する可視化コードが不要になり、特別な可視化に集中することが出来ます。

データソース・データセット

生データを保管しておくデータソースと、学習対象の説明変数・目的変数により構成されたデータセットがあります。 データソースへは、計測・データ収集の専門家によりデータを蓄積し、データサイエンティストは目的を達成する為の仮説に基づいて変数を集めたデータの集合を作ることが可能です。各種モジュールと連動可能なデータ管理である点がポイントです。

プロジェクト・ワークスペース

プロジェクトは、課題に取り組むチームを構成し、アプローチ毎のワークスペースを含みます。ワークスペースには実験に利用する複数のデータセットと複数のパイプラインの定義を含んでいます。これらの実行結果は、一元管理されるため結果の確認が容易になり、その結果に対する考察をレポートとして共有可能になります。

シグナルを捉えて利用する

UnimatrixZeroによりシグナルを捉えて利用する

シグナルを捉えて競争優位性を得る

価値観が変容しつつある顧客の期待に応え、そして、期待を超えていくために

デジタルデータから「Signal」を捉えて、”さすが”、”まさか”といった言葉を引き出す顧客体験を創出したり、
商品・サービスアップデートの高速化を実現するために

デジタルデータから「Signal」を捉えて、「顧客理解」、「インサイト獲得」、「メカニズム理解」を得て競争優位性を構築しましょう。

ビジネス上有益な変化をもたらす

「行動予測」「嗜好推定」「関係性推定」「相関性発見」「因果推論」「顧客モデル生成」「異常検知・予兆」「特徴量抽出」「データ解析」でシグナルを取りさして、「インターネット広告効果改善」「ターゲット広告実現」「接客改善」「優良顧客囲い込み」「製品・サービス改善」「プロセス自動化」「歩留まり改善」など戦略・戦術実行のために利用できます。

目標設定の例

  • ノウハウをAI化して働き方を改革
  • AIによる自働化を推進して働き手の不足を解決
  • AIを活用して分野を跨いだ多様なサービス・製品を創出

AI活用企業へ発展する為に

社内データや自社サービスを深く理解したデータサイエンティストの成果を最大化するための環境を構築することは、自社をAI活用企業へ発展させる為の重要なステップです。

これからも益々向上する人工知能技術

  • 認識精度の向上
  • 感情理解、行動予測、環境認識
  • 自律的な 行動計画
  • 環境認識能力の大幅向上
  • 言語理解
  • 大規模知識理解