「AutoML」の可能性と限界【前編】「AutoML」（自動機械学習）がデータサイエンティストを楽にする？

多忙なデータサイエンティストの業務負荷をいかに軽減するか。その有力な手段となり得るのが、機械学習モデルの設計や構築を自動化する「AutoML」（自動機械学習）だ。どのような業務を効率化できるのか。

[Kassidy Kelley，TechTarget]

　人工知能（AI）技術を実装した企業向けソフトウェアのうち、人気を博している最先端の分野が、機械学習モデルの設計や構築を自動化する「AutoML」（自動機械学習）だ。AutoMLはデータサイエンティストの作業を補完し、企業がAI技術を活用してビジネスプロセスを合理化する一助となる。アナリストや専門家はAutoMLの採用を検討する企業に対して、自社が抱える具体的なニーズを評価することを推奨する。

併せて読みたいお薦め記事

連載：機械学習を始めるなら知っておきたいアルゴリズム5選

• 機械学習の代表的アルゴリズム「線形回帰」「決定木」とは？
• 機械学習の代表的アルゴリズム「SVM」「k平均法」「アプリオリ法」とは？

「機械学習」についてもっと詳しく

• 「量子コンピュータ×機械学習」は何の役に立ち、何の役に立たないのか
• 機械学習アプリを「FaaS」で開発すべきこれだけの理由

　成熟したデータサイエンティストチームを組織する企業もあれば、分析の専門家ではないがデータ分析に取り組む従業員である「シチズンデータサイエンティスト」を多数抱える企業もある。データサイエンティストの作業の大半を外部に委託する企業もある。いずれの場合でも、適切な手段と用途を選べば、AutoMLは企業に価値をもたらす可能性がある。

　企業は、洞察を生み出すことからソフトウェアロボットのトレーニングに至るまで、さまざまな用途にAutoMLを応用し始めている。AutoMLの真の将来性は、データサイエンティストとのコラボレーションにあるというのが専門家の意見だ。

データサイエンティストの業務負荷を軽減するAutoML