Machine Learning Platform for AI

データマイニングと分析の要件を満たすためのさまざまな機械学習アルゴリズムを提供する、
エンドツーエンドのプラットフォームです。

Machine Learning Platform for AI は、エンドツーエンドの機械学習サービスとして、データ処理や特徴エンジニアリング、モデルトレーニング、モデル予測、モデル評価などの機能を利用できます。これらを組み合わせることで、AI をこれまで以上に身近に活用できるようになります。

プロダクトのダウンロード データシート

メリット

視覚化されたインターフェース
Machine Learning Platform for AI には視覚化された Web インターフェースが搭載されており、さまざまなコンポーネントをキャンバスにドラッグ&ドロップすることで実験を作成できます。機械学習のモデル作成はシンプルかつ段階をふんで実行できるため、実験の作成の効率化とコスト削減を実現できます。
エンドツーエンドのソリューション
Machine Learning Platform for AIは、機械学習のサービタイゼーションにより、企業レベルの機械学習データのモデリングと用途に向けた完全なワークフローを作成できます。
豊富なアルゴリズム
Machine Learning Platform for AI では 100 を超えるアルゴリズムコンポーネントを搭載し、回帰や分類、クラスタリング、テキスト分析、金融、時系列等の分野でご利用いただけます。いずれのコンポーネントもアリババグループの社内サービスのテストを経ており、高い安定性とパフォーマンスを誇ります。
強力なコンピューティング能力
Machine Learning Platform for AI は、Alibaba Cloud の分散コンピューティングクラスターをインフラとして利用しており、多数のアルゴリズム計算タスクを同時処理できます。

特徴

  • データ処理

    データ処理

    Machine Learning Platform for AI では、データ処理用のデータ前処理コンポーネントと特徴エンジニアリングコンポーネントを利用できます。データ前処理コンポーネントには、正規化や標準化、データサンプリング、データフィルタリングの機能が含まれます。特徴コンポーネントには、特徴変換、特徴生成、特徴重要度評価の機能が含まれます。

  • データマイニングと分析

    Machine Learning Platform for AI では、データ分析用の統計コンポーネント、機械学習コンポーネント、ネットワーク分析コンポーネントを利用できます。統計コンポーネントには統計分析およびデータ可視化分析の機能が含まれます。機械学習コンポーネントには、回帰や分類、クラスタリングの機能が含まれます。ネットワーク分析コンポーネントにはラベルプロパゲーション、最大連結部分グラフの機能が含まれます。

  • 自然言語処理 (NLP)

    Machine Learning Platform for AI では、単語分割や非推奨単語のフィルタリング、LDA、TF-IDF、テキスト要約といった自然言語処理 (NLP) に必要なテキスト処理コンポーネントを利用できます。

  • アーキテクチャ

    Machine Learning Platform for AI のアーキテクチャは複数レイヤーから構成されています。レイヤーは下から順にコンピューティングエンジン、分散コンピューティングアーキテクチャ、アルゴリズムコンポーネント、サービスアプリケーションとなっています。Machine Learning Platform For AI のコンピューティングエンジンレイヤーは Apsara 分散コンピューティングシステムに依存しているため、Machine Learning Platform for AI は EB レベルのデータを同時に計算できます。


    Machine Learning Platform for AI の分散アーキテクチャコンピューティングレイヤーは、MPI や MR、GRAPH 等、複数の分散コンピューティングアーキテクチャをサポートしています。アルゴリズムコンポーネントレイヤーは、100 を超える機械学習アルゴリズムをサポートしています。


    Machine Learning Platform for AI は、独自のアルゴリズムにより、サービスアプリケーションレイヤーで商品のおすすめや金融リスク管理、広告といった複数のサービスに活用できます。

利用シナリオ

  • 推奨プロダクト
  • 金融リスク管理
  • ニュースの分類
推奨プロダクト

推奨プロダクト

機械学習の用途として幅広く活用されているのが、おすすめ商品の提示です。Machine Learning Platform for AI は、データの前処理と特徴エンジニアリングのコンポーネントを活用して、顧客の過去のショッピング時の行動から特徴を抽出し、ショッピングにおける行動に影響を与える特徴を発見します。そして機械学習アルゴリズムが顧客の商品に関連した行動の特徴と、抽出された特徴が一致するかを検証します。特徴が一致した場合、その行動はショッピングにおける一般的な行動と判断されます。Machine Learning Platform for AI は、この結果に基づき関連商品を顧客におすすめすることで商品の売上を向上させます。

金融リスク管理

金融リスク管理

Machine Learning Platform for AI では、金融アルゴリズムを活用して融資リスクを評価できます。Machine Learning Platform for AI は、スコアカードのコンポーネントで顧客のカードローン決済能力を計算し、金融機関のリスク管理をより効果的なものとするリスク指標を提供します。

ニュースの分類

ニュースの分類

ニュース業界では、ドキュメントの分類が一般的なテキスト処理業務となっています。従来はあらゆるドキュメントを手作業で分類していましたが、これは非効率的でかなりのマンパワーを必要とします。Machine Learning Platform for AI は多数のテキスト分析コンポーネントを搭載しており、既存のドキュメント分類データを学習することでドキュメントを短時間で自動で分類できます。

よくあるご質問

1. データはどのようにアップロードすれば良いでしょうか。

Machine Learning Platform for AI の Web インターフェイスからデータをアップロードするには、データが 20 MB 未満である必要があります。20 MB を超えるデータをアップロードする場合は、 MaxCompute クライアントをダウンロードして、tunnel コマンドを実行します。

2. アルゴリズムのパラメーターはどのように設定すれば良いでしょうか。

アルゴリズムのパラメーターを設定するには、まずアルゴリズムコンポーネントをキャンバスにドラッグします。そのコンポーネントをクリックすると、右側の作業ウィンドウに関連パラメーターが表示されます。

3. 実験結果はどのように確認すれば良いでしょうか。

Machine Learning Platform for AI でコンポーネントが正常に実行された場合、そのコンポーネントには緑色のチェックマークが付きます。緑色のチェックマークが付いたコンポーネントを右クリックすると、データや評価結果が表示されます。

4. 実験から生成されたモデルはどのように確認、ダウンロードすれば良いでしょうか。

モデルを生成するには、まず左側のナビゲーション ウィンドウから [設定] > [一般] > [PMML の自動生成] を選択します。実験が正常に実行されたら、左側のナビゲーション ウィンドウから [モデル] を選択すると対応するモデルを確認できます。モデルのパラメーターを表示するには、モデルを右クリックします。モデルをダウンロードするには、モデルを右クリックし、[PMML のダウンロード] を選択します。

5. PMMLとは何ですか。

PMML は標準的なモデルの記述ファイルです。Machine Learning Platform for AI からダウンロードされた PMML ファイルは、Spark などのオープンソースエンジンで利用できます。

認定コース:機械学習 - 心臓病予測

Alibaba Cloud Machine Learning Platform for AI を活用し、心臓病患者から収集したデータに基づいて心臓病の予測モデルを作成する方法をご紹介します。

0.01 USD

通常価格 :USD 10.00

詳細を表示

高品質なサポート

1 対 1 のプリセールスコンサルティング、24 時間体制のテクニカルサポート、迅速な応答、チケット増量

1 対 1 のプリセールス
コンサルティング

経験豊富なクラウドエキスパートによるコンサルティング。 詳細を見る

24 時間体制の
テクニカルサポート

週 5 日 10 時間から 24 時
間 365 日にサービス時間を
延長。 詳細を見る

各四半期に 6 枚の無料
チケット

無料チケットの数を、四半期ごとに 3 枚から 6 枚に倍増。 詳細を見る

迅速な応答

販売後の応答時間を 36 時間から 18 時間に短縮。
詳細を見る
wave
phone お問い合わせ