時系列データの予測力を解き放て！

時系列予測は、将来のトレンド、需要、ユーザー行動を予測することで、データに基づく意思決定を目指す企業にとって極めて重要です。たとえば、小売業界のDatabricks顧客は、これらのモデルを活用して、季節や地域ごとの製品需要を予測し、在庫管理を最適化しています。同様に、エネルギー企業は消費パターンを予測して供給と需要のバランスを効率的に保ち、コスト削減や電力網の安定性を確保しています。

Databricksの顧客は、クラスタの管理やデータおよびモデルガバナンスの複雑さに煩わされることなく、Data Intelligence Platformを活用して洞察を提供することに集中したいと考えています。また、最高品質の予測を実現するために、最先端のモデルアーキテクチャへのアクセスを求めています。

これらの課題に対応するため、Mosaic AIモデルトレーニングに新機能として時系列予測を導入することを発表できることを嬉しく思います。この新しいAutoML製品は、柔軟性、ガバナンス、パフォーマンスを強化し、企業が時系列データの予測力を最大限に引き出すのを助けます。

サーバーレス体験でモデルトレーニングを簡素化

データサイエンティストは、クラスタの設定や管理のオーバーヘッドなしに、予測問題の解決に取り組むことができます。Databricksは自動スケーリングによりパフォーマンスとコストを自動的に最適化し、最高のユーザー体験を提供しながら、時系列モデルのトレーニングと提供の運用負荷を軽減します。これは、あなたがインフラではなく洞察に焦点を当てるための時間を増やすことを意味します。

統一されたガバナンスとシームレスな統合

新たな機能により、最適なモデルが自動的にUnity Catalogに登録されます。この統合により、顧客がモデルのための別のデータガバナンスポリシーセットを維持する必要がなくなります。予測結果も自動的にUnity Catalogのテーブルとして保存されます。これで、モデルとデータを一つのガバナンスフレームワークの下で管理することができ、組織全体での一貫性、セキュリティ、コンプライアンスが向上します。

すぐに使える高品質モデル

時間系列予測ツールのポートフォリオに、ディープニューラルネットワークモデルベースのアルゴリズムであるDeepARを導入します。DeepARは、ベンチマークによれば、予測誤差率を最大50%改善します。以下の比較グラフをご覧ください。この新しいアルゴリズムはデフォルトで有効になっています。顧客は、追加のチューニングなしで最先端のモデル性能を利用でき、高品質な予測を簡単に得ることができます。

ベンチマークデータセット: rossmann, walmart, wind, cinema

新機能で使いやすさが向上

時系列予測をよりカスタマイズ可能で効果的にするために、多くの新機能を導入しました：

• データ分割の柔軟なカスタマイズ
  Train/Validate/Testデータの分割をカスタマイズして、データの特有のパターンやトレンドに対応可能にしました。これにより、モデル評価の精度が向上し、ファインチューニングがより効果的になります。

• 加重評価で精度向上
  個々の時系列に異なる重みを割り当てて評価を実施。これにより、データセット内で最も重要または影響力のある時系列に焦点を当てられます。重要な部分で最高の精度を発揮するモデルが選ばれるようになります。

• 強化されたユーザーインターフェース
  改善されたUIにより、バッチ推論やリアルタイムエンドポイントを通じて最適なモデルをワンクリックで提供可能にしました。この直感的なデザインにより、モデルの本番環境へのデプロイが簡単になり、予測からより早く価値を引き出せます。

今日からはじめましょう

売上予測で収益を増加させたい、あるいはユーザートレンドを予測してエンゲージメントを向上させたい場合、当ツールが複雑なモデル構築を自動化します。これにより、チームはゼロからモデルを構築するのではなく、洞察の活用に集中できます。

詳細はドキュメンテーションをご覧ください。