| ハイパースケーラーAPIを使用した強化 |
GCP APIを呼び出し、顧客のチャーンを予測するモデリングデータセットを強化します。 |
| GCPでのセンチメントの強化 |
顧客解約データセットを充実させるためのセンチメント分析に、Google Cloud Natural Language API を使用する方法を実演します。 |
| 解約問題の枠組み |
DataRobotのチャーンモデルに基づくB2Cリテールの例とB2Bの例を使用して、チャーンを成功裏にモデル化するのに必要な問題の枠組みとデータ管理のステップについて説明します。 |
| Streamlitによる解約のインサイト |
Streamlitチャーン予測アプリを使用して、DataRobotモデルのドライバーと予測を表示します。 |
| 合成トレーニングデータ |
トレーニング、検定、テスト用に実際のデータを模倣する合成データセットを生成する方法について説明します。これにより、プライバシーや規制の制約によって実際のデータへのアクセスが制限されている場合に、安全なデータ共有とモデル開発が可能になります。 |
| Feature engineering for molecular SMILES data |
Execute a feature engineering pipeline tailored for SMILES-formatted molecular data. |