| モデル選択のためのカスタム指標 |
DataRobotのPythonクライアントを利用して、予測値を抽出し、カスタム指標を計算して、それに応じてDataRobotモデルを並べ替える方法を示します。 |
| t-SNEによる次元削減 |
高次元データの次元削減と視覚化にt-SNEを使用する方法を説明します。これらのインサイトをファイルやプロットとしてエクスポートする例もご紹介します。 |
| 生成AIの指標を監視する |
LLMと生成AIソリューションを監視し、カスタム指標を使用して、整合性と投資収益率を測定し、ガードレールを提供します。 |
| イベントログビューアー |
ユーザーアクティビティモニターの出力を変更し、レポートの一貫性を維持しながら、プライバシーのために列を削除または匿名化します。 |
| LLMのオブザーバビリティ |
コードをリファクタリングすることなく、既存の生成AIソリューションでLLMOpsまたはオブザーバビリティを有効にします。主要なLLMの例もご紹介します。 |
| 部分依存プロット（PDP/ICE） |
DataRobotを使用して、一方向と双方向の部分依存プロット（PDP）、および個別条件付き期待値（ICE）のインサイトを作成します。 |
| LIMEによるモデルの説明 |
DataRobotで構築およびデプロイされたモデルに、局所的に解釈可能なモデルに依存しない説明（LIME）を適用します。 |
| 鋼材の欠陥検出 |
鋼板に存在する任意のサイズの傷を検出して分類できる、精度の高い堅牢な機械学習モデルをトレーニングします。 |
| モデルインサイトのエクスポート |
DataRobotモデルのさまざまなインサイトとパフォーマンス指標を、機械で読み取り可能なファイルおよび複数の形式のプロットとしてエクスポートする例を確認します。 |