TD AutoML とは#
WorkfFlow で専用のオペレータと簡単な記述で、AutoML などの機械学習にとどまらず、可視化や分析などの様々なソリューションが利用できる枠組みソリューションごとに専用 Notebook が用意され、今後も Notebook が増えることで、できることが増えていく。

Fig. 1 様々なソリューション(図右)に対する Notebook が用意されており、WF ではまず Notebook を指定する形となる。#
提供されている Notebook#
Notebook |
オペレータ |
大分類 |
小分類 |
何ができる? |
出力するもの |
オーディエンススタジオ連携 |
---|---|---|---|---|---|---|
|
ml_train/ |
機械学習 |
教師あり学習 |
2値分類、多値分類、回帰を AutoML にて実施 |
学習モデル/ |
あり |
|
ipynb |
その他 |
データセット |
各種 Notebook 向けサンプルデータセットの提供 |
サンプルデータテーブル |
なし |
|
ipynb |
可視化 |
有向グラフ |
ネットワークデータの可視化 |
Notebook 内でネットワーク可視化 |
なし |
|
ipynb |
データ分析 |
分析 |
Explanatory Data Analysis。探索的データ分析を行い、データの理解を深める |
Notebook 内にデータを可視化 |
なし |
|
ipynb |
機械学習 |
強化学習 |
Next Best Action(次に最適なアクションは何か)を提示 |
状態ごとの “next best action” をテーブルに出力 |
あり |
|
ipynb |
機械学習 |
教師あり学習 |
時系列予測 |
時系列予測結果をテーブルに出力 |
なし |
|
ipynb |
機械学習 |
教師なし学習 |
クラスタリング |
Notebook 内で可視化、クラスター結果をテーブル出力 |
あり |
|
ipynb |
データ分析 |
マーケティング |
Multi-touch Attribution。アトリビューション分析によってコンバージョンに寄与しているタッチポイントを評価 |
各種モデルによる、タッチポイントのごとの貢献度を Notebook に出力 |
なし |
|
ipynb |
機械学習 |
予測の説明 |
特徴量が各予測値に与える影響を説明、可視化 |
Notebook 内で可視化 |
なし |
|
ipynb |
データ分析 |
マーケティング |
RFM 分析 |
Notebook 内で可視化、RFM 区分をテーブル出力 |
あり |
|
ipynb |
データ分析 |
マーケティング |
LTV 予測 |
Notebook 内で可視化、CLTV 値をテーブル出力 |
あり |
Notebook とは?#
TD AutoML の Notebook は、単にソリューションを意味するだけでなく、Jupyter Notebook のことを指す。Jupyter Notebook はブラウザ上で動作するプログラムの対話型実行環境で、ノートブックと呼ばれるファイルに python などのプログラムを記述し、実行結果を逐次確認しながら分析などを進めることが可能。

Fig. 2 Notebookでは「セル」(In[n]で始まる)と呼ばれるブロック(赤枠)にコードを記述し、セル単位でコードが順番に実行される。セルごとに文字列やテーブルの出力、画像の出力が可能で、結果がセルの下(Out[n]で始まるブロックがIn[n]の結果を出力している)に都度表示される。さらに、動的なグラフも描画可能。#
TD AutoML と Notebook の関係#
TD AutoML は、専用のWFオペレータ(ml_train
/ml_predict
/ipynb
)を通じて Notebook を実行する仕組み。ソリューションごとの Notebook が用意されるので、同じ枠組み内で様々な課題解決が行える。

Fig. 3 TD AutoML の WF は notebook:
で指定された Jupyter Notebook を呼び出して実行する仕組みとなっている。#
Notebook の注意点#
Note
Notebook は TD 側が用意するものしか利用することができない。つまり、Notebook の編集や、自前の Notebook の利用はできない。
Note
Notebook の保存期間は1年である。ただ、Notebook は html としてダウンロードが可能である。