有効であるが要検討
クラウド「機械学習」への評価が分かれる理由、慎重派の言い分は？
最新アプリでは利便性向上のために機械学習機能を導入する要望が高まっている。その開発環境においてコスト軽減のためにクラウドプラットフォームが登場しているが、その利用については慎重な企業も多いという。
2015年、クラウドは機械学習アプリケーションにとって随分扱いやすい領域になった。
Microsoft AzureとAmazon Web Servicesは、どちらも2015年の早い時期にクラウドベースの機械学習プラットフォームをリリースしている。
両社は自分たちの製品に「Azure Machine Learning」「Amazon Machine Learning」という似たような名前を付けている。その後、2015年後半には、DatabricksとIBMが、機械学習ライブラリを組み込んだSpark処理エンジンのクラウド版をリリースした。
このようなクラウドベースの機械学習プラットフォームは、ライブデータセットで、クラウドで動作する機械学習アルゴリズムのテストに役立つ。ユーザーがテストを行う場合、自社のシステムをプロビジョニングおよび構成する必要がないからだ。
「これで安価にテストができる」と、BuildFaxの設立者であり最高技術責任者（CTO）を務めるジョー・エミソン氏は言う。BuildFaxは、米国内の建築許可のデータを収集し、収集したデータに基づいた分析サービスを住宅購入者や保険業者、不動産業者、調査官に提供している。
機械学習アプリケーションの開発には多くの試行錯誤が付き物だ。それ故に、コストをかけずにモデリングとデザインをテストできるクラウドベース機械学習プラットフォームの登場はプラスに働くとエミソン氏はいう。
だが、BuildFaxは、クラウドでさらに上の段階に進んでいる。彼らは、MySQLデータベースに蓄積したデータに対して予測モデリングを行うとき、Amazon Machine Learningを使っている。なお、MySQLデータベースは、「Amazon Relational Database Service」（RDS）の一部としてAWSで実行している。例えば、同社のモデルは、ある特定の地域にある住宅の屋根がいつ造られたものかを予測できる。これは住宅に保険を掛ける上での全体的なリスクを示す有効な指標になるとエミソン氏は語る。
BuildFaxのような中小企業は、自社でオンプレミスの機械学習システムを構築するより、初期設定がいらないクラウドサービスの採用が望ましいとエミソン氏は考えている。ただし、タダで手に入るものはない。また、クラウドを追加するか否かにかかわらず、分析チームは、どのように機械学習を使いこなすのかなど、学ぶことは多いとエミソン氏は指摘する。加えて、統計分析手法やアルゴリズムの効率化を図る知識などについても学習する必要がある。
保険会社のZurich North Americaでは、クラウドで機械学習アプリケーションを運用することの是非について、現在も社内で議論が続いている。分析プログラムの統括責任者を務めるコナー・イェンセン氏は「現在は全てのことをオンプレミスで行っている。ただし、目下議論中である」と語っている。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
事例
[日本オラクル株式会社] ピンチをチャンスに変えたEPR製品は？ 先行企業の導入事例3選 -
技術文書・技術解説
[日本オラクル株式会社] 無自覚なリスク 秘伝Excelファイルが監査の壁、不正・ミスの温床となる理由 -
製品資料
[日本オラクル株式会社] 戦略的経理の第一歩 失敗のない「脱Excel」を実現する秘訣とは？ -
技術文書・技術解説
[日本オラクル株式会社] いまさら聞けないオンプレERPとクラウドERPの違い 最適な製品をどう見極める？ -
事例
[株式会社ビザスク] 連結売上高が約2倍に成長、富士フイルムが実践した新規事業創出の戦略とは？
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
2
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
3
慶應義塾が「Notion」を選んだ理由 AI導入の盲点になる“情報のサイロ化”
-
4
「ノートPC派」は損をしている？ Dellと考える“自作PC”のメリット
-
5
「0.3秒のスピード顔認証」の入退室管理が社員に好評 事例に学ぶオフィス改革
-
6
IT製品の導入に関するアンケート「PC＆デバイス」編
-
7
生データを隠してデータ連携 KDDIが4000万人の顧客情報を安全に分析できた理由
-
8
エンジニアの生産性はどう測る？ マネジメントに不可欠な可視化の実現方法とは
-
9
「また同じ説明か」 消費者の半数が離脱するAIチャットbotの“記憶喪失”
-
10
アラート疲れと手動対応を解消 EDR、SIEM、SOAR統合で注意すべきポイント4選
ホワイトペーパーランキング PR
-
1
DX／AI投資の壁を突破、現代の最高財務責任者が直面する課題と克服のヒント
-
2
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
3
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
4
バックアップは“取っているから大丈夫”なのか？ ランサムウェア時代の備え方
-
5
システムの保守がモダン化を阻む？ 「変えない判断」から脱却する方法とは
-
6
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
7
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
8
5分で分かる Microsoft 365のデータ損失に備えるためのバックアップの仕組み
-
9
ネットワーク遅延の原因、「パケットロス」の基礎知識と効果的な解決策
-
10
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー