# 性能劣化予測

> 性能劣化予測 - DataRobot MLOpsを使用して、機械学習モデルを管理および維持するための予測フレームワークを使用します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.223552+00:00` (UTC).

## Primary page

- [性能劣化予測](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/ai-integrations-platforms/perform-degrade.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[GitHubでこのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/blob/main/use_cases_and_horizontal_approaches/Prediction%20of%20Model%20Performance%20Degradation%20and%20Service%20Failure/Prediction%20of%20Model%20Performance%20Degradation%20and%20Service%20Failure.ipynb)

このノートブックは、DataRobot MLOpsを使用して、機械学習モデルを管理および維持するための予測フレームワークを提供するように設計されています。 これは、潜在的なモデルのパフォーマンス低下やサービス障害を事前に特定することに重点を置いており、運用に悪影響を与える前に、これらの問題に組織が積極的に対処できるようにします。 このアプローチにより、事業運営に不可欠な予測の持続的な効率性と信頼性が保証されます。

モデルのパフォーマンス低下を早期に検出することで、タイムリーな介入が可能になります。 これらの介入は、DataRobotの再トレーニングポリシーの調整からその他の是正措置まであり、最適なモデルパフォーマンスの維持が保証されます。 同様に、潜在的なサービスインフラストラクチャの問題を予測することで、予防的なメンテナンスが容易になります。 これにより、ダウンタイムが削減されるだけでなく、サービスの信頼性が向上し、これらの問題の根本原因に関するインサイトが得られます。

このノートブックは、DataRobotのMLOps機能を活用して、機械学習モデルが特定の期間内に劣化する可能性があるかどうか、インフラストラクチャの障害が発生する可能性があるかどうかを予測する方法を示しています。 DataRobotのPython AI機能を活用し、DataRobot MLOPが、デプロイしたモデルで追跡するさまざまな特性と指標を収集し、予測モデルの構築を可能にします。

このノートブックでは、以下のことを行う方法がまとめられています。

- DataRobotとの接続を確立し、関連するデプロイの詳細にアクセスする
- トレーニングデータセットを作成する
- モデルのパフォーマンス低下予測でターゲットを定義する
- TSモデル劣化プロジェクトを構築する
- サービスの障害予測でターゲットを定義する
- TSサービス障害プロジェクトを構築する
- DataRobotのプロジェクトからモデリングの結果を取得する
- これらの予測に基づき、元のデプロイをカスタム指標で強化する