Skip to content

アプリケーション内で をクリックすると、お使いのDataRobotバージョンに関する全プラットフォームドキュメントにアクセスできます。

デプロイを追加

使用するモデルデプロイの開始のタイプに応じて、さまざまな方法で新しいデプロイをデプロイインベントリに作成できます。

開始アーティファクト デプロイ方法
DataRobotモデル リーダーボードからDataRobotモデルを選択し、予測 > デプロイタブに移動して、DataRobotモデルをデプロイします。または、デプロイの追加リンクを使用して、モデルをデプロイインベントリに直接アップロードします。
カスタムモデル カスタムモデルワークショップからカスタムモデルをデプロイします。または、デプロイの追加リンクを使用して、モデルをデプロイインベントリに直接アップロードします。
外部モデルMLOpsエージェントでモニター) 外部モデルのトレーニングデータをデプロイインベントリに直接アップロードして、外部デプロイを作成します。デプロイの作成後に、履歴予測データをアップロードできます。または、外部モデルパッケージをデプロイします
履歴予測データ 過去に予測を行ったモデルのトレーニングデータをデプロイインベントリに直接アップロードして、外部デプロイを作成します。デプロイ後の履歴予測データを追加します。

(上記の方法のいずれかを使用して)新しいデプロイの作成を開始すると、デプロイ情報ページにリダイレクトされます。

デプロイ情報ページには、ユーザーが提供したデータに基づいて現在のデプロイの機能の概要が表示されます。トレーニングデータ、推論データ、モデル、および出力データに関する詳細がフィールドに自動的に入力されます。

画面上部のプログレスバーには、提供されたデータ(およびそのデータに関する詳細)に基づいて、有効化されているデプロイメント機能が表示されます。

カスタムモデルのデプロイ

このセクションでは、カスタムモデルをデプロイインベントリに直接アップロードして、デプロイを作成する方法の概要を説明します。カスタムモデルワークショップからカスタムモデルをデプロイするためのワークフローを参照することもできます。

デプロイに移動して、デプロイの追加リンクをクリックします。

モデルの下で参照 > ローカルファイルを選択して、カスタムモデルの内容を含むフォルダーをアップロードします。その代わりにカスタムモデルパッケージを使用してデプロイを作成する場合は、モデル登録を選択することもできます。

備考

カスタムモデルフォルダーの準備に関するドキュメントを参照してください。

モデルをアップロードすると、デプロイ情報ページが表示されます。モデルヘッダーの下にあるフィールドに入力します。

フィールド 説明
名前 カスタムモデルの名前。
モデルコンテンツ モデルを構成するファイル。ファイルを削除するか、ファイルを追加をクリックしてカスタムモデルに必要なファイルをアップロードすることができます。
予測タイプ モデルで作成する予測のタイプ(二値分類または連続値)。分類モデルの場合、PositiveおよびNegativeクラスラベルと予測しきい値を指定する必要があります。 
ターゲット モデルが予測するデータセットの列名。
ランタイム環境 モデルコードを実行する環境。DataRobotで提供されているデフォルトの環境から選択するか、独自のカスタム環境を作成することができます。
機能検定データ モデルのパフォーマンスを評価するために使用するトレーニングデータのパーティション。参照をクリックしてデータをアップロードします。

推論ヘッダーでフィールドに入力して、オプションのデプロイ設定を選択します。

フィールド 説明
推論データ 推論データがDataRobotに保存されるので、モデルコードをアップロードするときに推論データは必要ありません。
予測のタイムスタンプ 予測行にタイムスタンプを付ける方法を決定します。タイムスタンプを決定するには、予測リクエストの時刻を使用するか、予測データで提供される日付/時刻特徴量(予測日など)を使用します。時系列デプロイの場合、予測日付/時刻のタイムスタンプは自動的に設定されます。これにより、トレーニングデータとデータドリフトおよび精度統計の基準との間で共通の時間軸を使用できます。デプロイを作成して予測を行った後にこの設定を変更することはできません。
予測環境 デプロイ済みのモデルが予測を作成する環境(内部DataRobot環境または外部)。
関連付けIDトグル モデルの予測データセットの関連付けIDを含む列名。関連付けIDは予測データセットの識別子として機能するため、後で出力データ(「実測値」とも呼ばれる)を予測に紐づけることができます。アソシエーションIDが、デプロイメントの精度追跡を可能にする詳細方法については、こちらをご覧ください。
データドリフト追跡を有効化 デプロイ内のターゲットと特徴量データドリフトを追跡するようDataRobotを設定します。
予測行ごとの履歴保存を有効化 予測リクエスト行を保存すると、デプロイ用のチャレンジャーモデルを設定できます。
セグメント化された分析のために属性を追跡 DataRobotで予測データに対してセグメント分析を実行するトグル(有効な場合)。

DataRobotでは、トレーニングデータ(使用可能な場合)をデプロイにアップロードして、さらに機能を有効にすることが推奨されます。これを行うには、参照学習ヘッダー内)をクリックします。

使用可能なすべてのデータを追加し、モデルを完全に定義すると、デプロイを作成することができます。画面上部にあるデプロイを作成をクリックします。

提供したデータとフィールドに応じて、有効化されたデプロイ機能が示されます。

トレーニングデータを使用したデプロイの作成

このセクションでは、トレーニングデータを使用して外部デプロイを作成する方法について説明します。このデプロイ方法を使用すると、過去の予測をアップロードし、過去のデータドリフトと精度の統計を分析できます。MLOpsエージェントでデプロイに計器を使用して、将来の予測を監視することもできます。

トレーニングデータを使用してデプロイを作成するには、デプロイに移動し、デプロイを追加リンクをクリックします。

トレーニングデータセットを追加ヘッダーの参照を選択して、XLSX、CSV、またはTXT形式のトレーニングデータをアップロードします。AIカタログからトレーニングデータを選択することもできます。

トレーニングデータセットを選択した後、トレーニングデータを使用したモデルに関する情報を指定します。完了したら、デプロイの詳細に進むを選択して、デプロイの詳細を設定します。

推論ヘッダーでフィールドに入力して、オプションのデプロイ設定を選択します。

フィールド 説明
推論データ 推論データがDataRobotに保存されるので、モデルコードをアップロードするときに推論データは必要ありません。
予測のタイムスタンプ 予測行にタイムスタンプを付ける方法を決定します。タイムスタンプを決定するには、予測リクエストの時刻を使用するか、予測データで提供される日付/時刻特徴量(予測日など)を使用します。時系列デプロイの場合、予測日付/時刻のタイムスタンプは自動的に設定されます。これにより、トレーニングデータとデータドリフトおよび精度統計の基準との間で共通の時間軸を使用できます。デプロイを作成して予測を行った後にこの設定を変更することはできません。
予測環境 デプロイ済みのモデルが予測を作成する環境(内部DataRobot環境または外部)。
関連付けIDトグル モデルの予測データセットの関連付けIDを含む列名。関連付けIDは予測データセットの識別子として機能するため、後で出力データ(「実測値」とも呼ばれる)を予測に紐づけることができます。アソシエーションIDが、デプロイメントの精度追跡を可能にする詳細方法については、こちらをご覧ください。
データドリフト追跡を有効化 デプロイ内のターゲットと特徴量データドリフトを追跡するようDataRobotを設定します。
予測行ごとの履歴保存を有効化 予測リクエスト行を保存すると、デプロイ用のチャレンジャーモデルを設定できます。
セグメント化された分析のために属性を追跡 DataRobotで予測データに対してセグメント分析を実行するトグル(有効な場合)。

使用可能なすべてのデータを追加し、モデルを完全に定義すると、デプロイを作成することができます。画面上部のデプロイを作成をクリックし、デプロイに重要度を割り当ててデプロイを作成します。

外部デプロイを作成したら、追加の設定には2つのオプションがあります。過去の予測データをデプロイにアップロードして、過去のデータドリフトと精度を分析できます。MLOpsエージェントでデプロイに計器を使用して、将来の予測を監視することもできます。これを行うには、予測タブに移動し、モニタリングスニペットにアクセスします。

デプロイ後のデータの追加

データドリフトが有効な場合、オーナーの役割を持っているユーザーは履歴予測データをデプロイに追加できます。これを行うには、設定タブに移動し、ファイルを選択推論ヘッダー)して、XLSX、CSV、またはTXT形式で予測データをアップロードします。AIカタログから予測データを選択することもできます。

トレーニングデータは、データドリフトを計算するための重要な要素です。デプロイを作成したときにトレーニングデータを含めなかった場合、またはそのデータをアップロードする際にエラーが発生した場合は、設定タブからデータを追加します。トレーニングデータは、データドリフトタブからも確認できます。

データは以下の要件を満たす必要があります。

  • 追加する予測データには、元の予測データセットと同じ特徴量が必要です。後でデプロイからデータを削除できないので、新しいデータをアップロードすると、追加を確認するメッセージが表示されます。別の予測データを使用するには、新しいデプロイを作成します。

  • アップロードされたトレーニングデータセットには、予測(スコアリング)データセットと同じ特徴量が含まれている必要があります。トレーニングデータは置換できません。デプロイで別のトレーニングデータを使用する場合は、適切なデータで新しいデプロイを作成します。


更新しました February 22, 2022
Back to top