# データの充実化と準備

> データの充実化と準備 - エクスペリメントワークフローに追加できるデータの充実化と準備のアクセラレーター。

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 `2026-07-27T18:44:30.225620+00:00` (UTC).

## Primary page

- [データの充実化と準備](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/data-enrichment-prep/index.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

| トピック | 説明 |
| --- | --- |
| 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. |