機械学習には必須な有効性の検証機能など
群雄割拠の機械学習基盤 専門家が比較するポイントは？
機械学習市場にはここ数年で多くのベンダーが参入してきた。数あるベンダーの中から最適なベンダーを選ぶのは難しいが、専門家はどう見るのか。選定のポイントを聞いた。
専門家は何を重視するのか？
機械学習市場に参入するベンダーが増え、機械学習の基盤を比較するのも簡単ではなくなってきた。そんな中、ユーザーや専門家が重視するポイントは柔軟性に集約されそうだ。
「作業に応じて適切なツールを選べることが重要だ」そう話すのは、通販サイトOverstock.comの主任データサイエンティストを務めるクリス・ロビソン氏だ。
ロビソン氏は、分散処理のフレームワークである「Apache Spark」を基にしたデータ分析サービスを提供するDatabricksが主催したオンラインセミナーで、Databricksのサービスを使ってどのようにサイト訪問者の購買傾向をスコアリング（得点付け）しているか説明した。まずWebのログ情報に特徴となる属性を追加し、それをユーザーセッションごとに整理して順番に並べ替える。ここでいうユーザーセッションとはユーザーがサイトに来てから離脱するまでの一連の流れを指す。整理されたログの情報は購買につながる行動の見取り図となる。行動の見取り図を構築、つまりデータを構造化したら、購買に関連する行動を分類する機械学習アルゴリズムのトレーニングを行う。
機械学習のプロセス。順に「データセットの特定と準備」「機械学習アルゴリズムの選定」「解析モデルの構築」「モデルのトレーニング」「結果を生成」となる。
このプロセスには、データの準備から機械学習モデルの構築、アルゴリズムの作成まで幾つかのステップが含まれる。その全てを1つのデータ基盤で行うことができれば、PoC（概念実証）から実運用への移行を進めやすい、とロビソン氏はいう。
さまざまなプログラミング言語に対応する柔軟性も、機械学習基盤を選ぶときに重要になるという。ロビソン氏のチームでは「R」「Python」「Scala」などさまざまな言語を使っており、どれを選ぶかはデータサイエンティストにとっての使いやすさや、モデル構築のどの工程に使うかに応じて違う。Databricksはそうした言語の複数のバージョンを利用可能で、バージョンや言語の切り替えも可能だ。
「どんな状況でも使える万能の言語はないから全て試したい」とロビソン氏は語った。
こうした機能を備えた機械学習基盤は他にもあるという。同じオンラインセミナーに参加したマイク・グアルティエーリ氏（調査会社Forrester Researchのアナリスト）は、現在のところ、この分野のベンダー47社の動向を追っていると話した。グアルティエーリ氏は機械学習基盤を比較するときに検討すべき上位10項目として以下を挙げた。
1．データ準備機能
2．利用できる既存のアルゴリズム数
3．スケーラビリティ（拡張性）
4．利用できるオープンソースプログラミング言語の種類
5．ワークベンチスタイル※注1のインタフェース
6．プロジェクトを共有できるコラボレーション機能
7．デプロイ（プログラムの展開）機能
8．モデルの有効性を検証するための追跡管理ツール
9．顧客離脱率（Customer Churn）など一般的なビジネス課題向けの既存ツール
10．ベンダーの約束履行能力
グアルティエーリ氏は「この市場は複雑になってきている。小規模のベンダーが乱立しているが、その企業が掲げる『ビジョン』を実現できる能力があるかに注目すべきだ」と語った。
※編集注：ワークベンチスタイルとは、例えばテキストを編集するときはフォントメニュー、作図をするときは直線や矢印メニューといったように実施したい作業に応じてメニューやツールを切り替えられる形式のこと
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
-
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣 -
製品資料
[サイボウズ株式会社] AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
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
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
-
4
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
5
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
-
6
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
7
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
8
BMWも導入 78兆円市場に化ける「フィジカルAI」の衝撃
-
9
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
10
「AI活用を前提とした業務PCへの移行」に関するアンケート
ホワイトペーパーランキング PR
-
1
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
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
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
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
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
-
9
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
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
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