AIや機械学習(ML)によるビッグデータのアナリティクス(BDA)。そこから得られたインサイトの活用は、さまざまなジャンルの組織で進められており、地震の際の資材調達にアナリティクスを活用し、迅速なシェルター建築を実現した例や、同様に医薬品開発を加速した例など、その効果が続々と実証され始めている。こうした流れを受けて、多くの組織がBDAに対して積極的に投資しており、その支出額のCAGR(年平均成長率)は2021年から2025年にかけて、12.8%に達すると予測されている。
このような投資の拡大にもかかわらず、データから十分に価値を引き出せていない、引き出したインサイトをビジネスの重要な意思決定に活かすことができていないという声も、依然として多い。その原因として考えられるのが、BDAの中核となる機械学習モデルの構築プロセスがあまりに非効率で、時間がかかりすぎてしまっていることと、機械学習モデルの鮮度が維持される期間が短すぎることだ。
SAS Institute Japan 提供資料
ModelOps の概要：AI と分析モデルの配置と管理に関するスターターガイド
＞ ＞ 資料ダウンロードはこちら
* * *
本コンテンツでは、AIアーキテクチャの運用を効率化し、データサイエンティストとビジネスリーダーとの間にあるギャップを解消することなしに、現状のアナリティクスの停滞から脱却することはできないと指摘。そのための新しい方法論として「ModelOps」を提唱している。
この概念の基本と意味、「MLOps」「AIOps」との違いは何か。そして、ModelOpsを実践する仕組みを導入することでもたらされる具体的なメリット、その進化の先にある新しいデータ活用の形に至るまでが解説されているので、参考にしてほしい。
ダウンロード資料のご案内
SAS Institute Japan 提供資料
ModelOps の概要：AI と分析モデルの配置と管理に関するスターターガイド
＞ ＞ 資料ダウンロードはこちら
[PR]提供：SAS Institute Japan