次の方法で共有

Automated Machine Learning UI で AI を簡素化

  • [アーティクル]

執筆者: Tzvi Keisar (Senior Program Manager, Microsoft Azure)

このポストは、2019 年 5 月 9 日に投稿された Simplifying AI with the new automated machine learning UI の翻訳です。

Leverage the power of automated machine learning

自動機械学習の力を活用

人工知能 (AI) は今テクノロジ業界で最も注目されるトピックの 1 つです。経営者、ビジネス マネージャー、アナリスト、エンジニア、開発者、データ サイエンティストのだれもが AI の力を使って、より優れたインサイトを手に入れ仕事に活かしたり、より的確な予測を立てて目標を達成したいと考えています。

企業は機械学習 (ML) に大きな可能性があること実感し始めていますが、求める高度なデータ サイエンス スキルはそう簡単に手に入れられません。機械学習や予測分析の一般的な知識を持つビジネス エキスパートは多くいますが、通常の ML ツールでの作業に必要な統計学やコーディングまで積極的に知識を深めようという人は多くありません。

マイクロソフトは昨年 12 月、Azure Machine Learning サービスで Automated ML 機能をリリースしました。これを AI の加速と簡素化の取り組みのスタートと位置付け、まず ML ワークフローの一部を自動化し、浮いた時間をデータ サイエンティストが他のビジネス目標に振り向けられるようにしたいと考えました。また、高度なデータ サイエンスやコーディング知識を持たない幅広い層のビジネス ユーザーにも AI を活用していただけるようにしたいと考えています。最近の成果の 1 つは Power BI との統合です。これによりデータ アナリストが ML を利用できるようになりました。

そしてこのたび、Azure Portal で Automated ML の新しい Web ユーザー インターフェイス (UI) のプレビューを開始しました。 AutoML UI

機械学習を一般ユーザーに浸透させるという目標のとおり、この新しい自動機械学習 UI では、コーディングの知識を持たないビジネス エキスパートでも ML モデルをトレーニングすることができます。ユーザーは自分のデータをインポートし、わずか数回のクリック操作でトレーニングを開始できます。Automated ML によってアルゴリズムとそのハイパーパラメーターのさまざまな組み合わせが試され、ユーザーのデータに合わせてカスタマイズした最善の ML モデルが提示されます。ユーザーはそのモデルを Azure Machine Learning サービスに Web サービスとしてデプロイし、新しいデータに対して予測を行うことができます。

顧客離れの予測、不正取引の検出、需要の予測などシナリオはさまざまですが、何よりも重要なのはデータを理解できることです。Automated ML は、ユーザーにとって最善のモデルを見つけ、新しいデータに対する予測でどれだけの精度を発揮できるかをユーザーが理解できるよう支援します。

Automated ML のこの新しい UI はすぐにお試しいただけます。Azure Portal にアクセスし、Azure Machine Learning ワークスペースに移動して、[Authoring] セクションの [Automated machine learning] をクリックするだけです。Azure Machine Learning ワークスペースをお持ちでない場合は、ワークスペースの作成方法をご覧ください。

Authoring (preview)

モデルの構築がより簡単に

それでは、新しい UI ではモデルの構築とトレーニングがどれほど簡単になったか見ていきましょう。

新しいテストをすばやくセットアップする

テストをすばやく簡単に開始できるようになりました。まず、テストの名前を入力し、次にデータの探索とトレーニングに使用するコンピューティングの種類を選択します。コンピューティング リソースがない場合は、このページから簡単に作成できます。

Creating a new automated machine learning experiment

データを確認、探索する

  • データ ファイル (ローカルのマシンからアップロードできます) を選択し、データの中身を確認します。
  • 生データのサンプル、各列の統計値 (型、値のヒストグラム、最小値、最大値など) が表示されます。
  • トレーニング ジョブから除外する列を指定することもできます。
  • トレーニングの種類 (分類、回帰、予測) を選択します。
  • 予測を行う列をこの画面で選択できます。
  • Automated ML によって最適なモデルが見つかるようトレーニングを開始します。

Selecting training job type and target column

設定を制御、調整する

機械学習の内部のしくみについて高度な知識がある方は、[Advanced settings] セクションでトレーニング ジョブの設定を細かく指定できます (早期終了条件、適用するクロス検証手法、除外するアルゴリズムなど)。

Defining desired settings for the training job

主要指標を確認する

Automated ML ダッシュボードにはすべてのテストが表示されます。名前、日付、状態でフィルタリングしたり、実行の詳細を確認したりできます。テストを開始すると、各アルゴリズムの評価が進むにつれて進捗状況がリアルタイムに表示され、モデルが生成されます。各モデルは、さまざまなグラフを使用して評価できます。各反復実行の指標を詳しく精査し、適切なモデルかどうかを判断します。

Review detailed metrics on each run iteration in order to determine if this is the suitable model through Run Detail.

成果をシェアする

この新しい UI では、同僚からアドバイスをもらったり、成果を披露するなど、他者とのコラボレーションが可能です。組織内の他のユーザーとワークスペースを共有するには、アクセス コントロールを設定してください。

参考情報

ぜひ今すぐ Azure の無料アカウントを作成してモデルの構築を始めてください。詳細は Automated Machine Learning の UI に関するドキュメント (英語)をご覧ください。