機械学習

データネイティブで共同作業が可能な ML ソリューション

無料トライアルデモをリクエスト

「Databricks Machine Learning」は、オープンなレイクハウスアーキテクチャ上に構築されています。機械学習チームのデータ準備、処理を可能にし、チーム間の効率的なコラボレーション、実験から本番までの機械学習ライフサイクルの標準化を実現します。

レイクハウスアーキテクチャ

ML ライフサイクル

機械学習データをシンプルに

Databricks ML は、オープンなレイクハウスアーキテクチャを基盤として構築されており、Delta Lake が組み込まれています。機械学習チームによる、あらゆる規模、種類のデータのアクセス、探索、準備を可能にします。データエンジニアリングのサポートなしで、特徴量をセルフサービスで本稼働パイプラインに組み込めます。

実験追跡とガバナンスの自動化

マネージド MLflow により、実験を自動的に追跡し、トレーニング実行ごとのパラメータ、メトリクス、データとコードのバージョン、モデルの成果物を記録できます。実行履歴をすぐに確認でき、結果を比較したり、必要に応じて過去の結果を再現したりすることも可能です。本番環境に最適なモデルのバージョンを特定した後は、モデルレジストリに登録し、展開ライフサイクル全体のハンドオフを簡素化できます。

ML ライフサイクルの自動化

モデルレジストリによるモデルライフサイクルの管理

トレーニングされたモデルを登録すると、モデルレジストリを使用してモデルのライフサイクルを共同管理できます。モデルのバージョン管理や移動は、実験、ステージング、本番環境、アーカイブなどさまざまな段階で可能です。ライフサイクル管理は、ロールベースのアクセス制御に従って、承認やガバナンスのワークフローと統合されています。また、コメントやメールの通知機能により、データチームのコラボレーション環境が充実します。

ML モデルの大規模展開を低レイテンシで

モデルレジストリからは、本番環境モデルを迅速に展開するバッチスコアリングによるスケーリングや、REST API のエンドポイントとして機能する Databricks Serving で、低レイテンシのオンラインサービスも利用できます。モデルレジストリは MLflow モデルのフォーマットに依存しており、Kubernetes 上での Docker コンテナの展開や、デバイスへのモデルのロードなど、さまざまな展開でエコシステム統合の恩恵を受けることができます。

製品コンポーネント

コラボレーション型 Notebook

Databricks の Notebook は、Python、R、SQL をネイティブにサポートしており、ユーザーは任意の言語やライブラリを使用できます。気づきの視覚化と共有も容易です。
さらに詳しく

ランタイムアイコン

機械学習のランタイム

最も一般的な ML フレームワーク(PyTorch、TensorFlow、scikit-learn など)のスケーラブルかつ信頼性のある分散処理により、事前に構成された ML 最適化クラスタにワンクリックでアクセスできます。このクラスタは、大規模に高性能を実現する最適化を備えています。
さらに詳しく

feature store アイコン

特徴量ストア(Feature Store)

自動的にログに記録されたデータソースを活用するデータリネージの検索機能で、特徴量の再利用を促進します。クライアントアプリケーションの変更を不要とするシンプルなモデル展開により、トレーニングやサービスに特徴量を活用できます。
さらに詳しく

Collaborative Data Science Logo

AutoML

AutoML は、グラスボックス的なアプローチによって、機械学習の専門家だけでなく市民データサイエンティストも支援します。すぐに使える高性能なモデルの提供はもとより、専門家による改良が可能なコードの生成もできます。
さらに詳しく

マネージド MLflow ロゴ

マネージド MLflow

マネージド MLflow は、MLライフサイクルにおいて世界をリードするオープンソースプラットフォームの MLflow 上に構築されています。エンタープライズセキュリティ、信頼性、スケーラビリティで、 ML モデルの実験から本番への迅速な移行を支援します。
さらに詳しく

モデルの提供

あらゆる ML モデルを REST エンドポイントとしてワンクリックで展開し、低レイテンシで実現します。モデルレジストリと統合して、エンドポイントのステージング/本番環境バージョンを管理します。

導入事例

導入事例

データと AI の大規模な融合

スターバックス、Databricks の導入により 3 万店舗のオムニチャネル戦略を促進

導入事例

エンターテインメントの
未来像

コムキャスト、AI 搭載の音声リモコンでエミー賞に輝く視聴者エクスペリエンスを実現

導入事例

機械学習の活用で
モバイルバンキングを刷新

HSBC、機械学習ベースの不正検知機能を活用して 39万人を超える顧客のキャッシュレス取引を管理

導入事例

AI の活用による創薬の変革

アストラゼネカ、データと NLP の活用で新薬の開発を促進

前に戻る矢印
次に進む矢印
スライダー