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。

コードファースト(V9.1)

2023年7月31日

DataRobot v9.1リリースには、コードファーストユーザーに対する多くの新機能が含まれています。以下にそれらの新機能を示します。 リリース9.1の詳細については、 データとモデリングおよび MLOpsに関するリリースのお知らせをご覧ください。

コードファースト機能
名前 一般提供 パブリックプレビュー
Notebooks
DataRobot Notebooksを一般提供
連携されたターミナル
Azure OpenAI Service integration
APIの機能強化
DataRobot REST API v2.31
Pythonクライアントv3.2
Rクライアント v2.18.4
DataRobotX
Rクライアント v2.31

Notebooks

一般提供

DataRobot Notebooksを一般提供

一般提供機能になりました。DataRobotには、データサイエンス分析やモデリング用のノートブックを作成・実行するためのブラウザー内エディターが含まれています。 Notebooksでは、計算結果をテキスト、画像、グラフ、プロット、表など、さまざまな形式で表示することができます。 オープンソースのプラグインを使用することで、出力表示をカスタマイズできます。 セルには、コーディングワークフローの注釈や説明のためのマークダウンリッチテキストを含めることもできます。 DataRobotでは、ノートブックを作成・編集すると、変更履歴が保存されるため、いつでも戻ることができます。

DataRobot Notebooksには、ノートブックの作成、アップロード、管理をホストするダッシュボードが用意されています。 個々のノートブックには、よく使われる機械学習ライブラリを備えた、コンテナ化された環境が組み込まれているため、数回のクリックで簡単に設定できます。 ノートブック環境はDataRobotのAPIとシームレスに統合され、セル関数のキーボードショートカット、インラインドキュメント、シークレット管理と自動認証のために保存された環境変数を利用できる、堅牢なコーディングエクスペリエンスを提供します。

パブリックプレビュー

ノートブックターミナルの連携

パブリックプレビュー版の機能です。DataRobot Notebooksでは、ターミナルウィンドウの連携が可能です。 ノートブックセッションが実行中の場合、1つ以上の統合ターミナルを開いて、.pyスクリプトの実行またはパッケージのインストールなどのターミナルコマンドを実行できます。 また、ターミナルの統合により、システムシェル(bash)をフルサポートできるため、インストールされたプログラムを実行できます。 DataRobot Notebookにターミナルウィンドウを作成するとき、ノートブックページは、次の2つのセクションに分割されます。1つはノートブック用で、もう1つはターミナル用です。

必要な機能フラグ:Notebooksでターミナルを有効にする

パブリックプレビュー機能のドキュメントをご覧ください。

Azure OpenAI Service integration

パブリックプレビューが利用可能となり、コード生成を支援するOpenAIの大規模言語モデルを適用することで、DataRobot Notebooksでのコード開発ワークフローを強化できるようになりました。 DataRobot NotebooksでのAzure OpenAI Serviceの連携により、Azureのエンタープライズグレードのセキュリティおよびコンプライアンス機能を備えた最先端の生成モデルを活用できます。 DataRobotノートブックで支援を選択すると、セルでコードを生成するために、Code Assistantを使用するように求めるプロンプトが表示されます。

必要な機能フラグ:NotebooksとOpenAIの連携を有効にする

パブリックプレビュー機能のドキュメントをご覧ください。

API

一般提供

DataRobot REST API v2.31

DataRobotのREST API v2.31が一般提供されました。 v2.31で導入された変更の完全なリストについては、 REST APIの変更履歴を参照してください。

新機能

  • 時間経過に伴うデプロイの公平性スコアを取得する新しいルート:
  • GET /api/v2/deployments/(deploymentId)/fairnessScoresOverTime/
  • 時間経過に伴うデプロイ予測統計を取得する新しいルート:
  • GET /api/v2/deployments/(deploymentId)/predictionsOverTime/
  • スライスされたインサイトを計算および取得するための新しいルート:
  • POST /api/v2/insights/featureEffects/
  • GET /api/v2/insights/featureEffects/models/(entityId)/
  • POST /api/v2/insights/featureImpact/
  • GET /api/v2/insights/featureImpact/models/(entityId)/
  • POST /api/v2/insights/liftChart/
  • GET /api/v2/insights/liftChart/models/(entityId)/
  • POST /api/v2/insights/residuals/
  • GET /api/v2/insights/residuals/models/(entityId)/
  • POST/api/v2/insights/rocCurve/
  • GET GET /api/v2/insights/rocCurve/models/(entityId)/
  • スライスされたインサイトで使用するデータスライスを作成および管理するための新しいルート:
  • POST /api/v2/dataSlices/
  • DELETE /api/v2/dataSlices/
  • DELETE /api/v2/dataSlices/(dataSliceId)/
  • GET /api/v2/dataSlices/(dataSliceId)/
  • GET /api/v2/projects/(projectId)/dataSlices/
  • POST /api/v2/dataSlices/(dataSliceId)/sliceSizes/
  • GET /api/v2/dataSlices/(dataSliceId)/sliceSizes/
  • リーダーボードモデルを登録する新しいルート:
  • POST /api/v2/modelPackages/fromLeaderboard/
  • バリュートラッカー(以前のユースケース)を作成および管理するための新しいルート:
  • POST /api/v2/valueTrackers/
  • GET /api/v2/valueTrackers/
  • GET /api/v2/valueTrackers/(valueTrackerId)/
  • PATCH /api/v2/valueTrackers/(valueTrackerId)/
  • DELETE /api/v2/valueTrackers/(valueTrackerId)/
  • GET /api/v2/valueTrackers/(valueTrackerId)/activities/
  • GET /api/v2/valueTrackers/(valueTrackerId)/attachments/
  • POST /api/v2/valueTrackers/(valueTrackerId)/attachments/
  • DELETE /api/v2/valueTrackers/(valueTrackerId)/attachments/(attachmentId)/
  • GET /api/v2/valueTrackers/(valueTrackerId)/attachments/(attachmentId)/
  • GET /api/v2/valueTrackers/(valueTrackerId)/realizedValueOverTime/
  • GET /api/v2/valueTrackers/(valueTrackerId)/sharedRoles/
  • PATCH /api/v2/valueTrackers/(valueTrackerId)/sharedRoles/

Pythonクライアントv3.2

DataRobotのPythonクライアントのv3.2が一般提供されました。 v2.31で導入された変更の完全なリストについては、 Pythonクライアントの変更履歴を参照してください。

新機能

  • 日時パーティションのログをダウンロードするDatetimePartitioning.datetime_partitioning_log_retrieveが追加されました。
  • 日時パーティションのログをリストするメソッドDatetimePartitioning.datetime_partitioning_log_listが追加されました。
  • 最適化された日時パーティションの作成に使用される入力データを取得するためにDatetimePartitioning.get_input_dataが追加されました。 日付/時刻のパーティション。
  • Project.analyze_and_modelにpartitioning_methodとして渡せるクラスDatetimePartitioningIdが追加されました。
  • デプロイを共有する機能が追加されました。 デプロイの共有の詳細は、deployment sharingを参照してください。
  • バイアスと公平性の設定を取得または更新するための新しいメソッドget_bias_and_fairness_settingsupdate_bias_and_fairness_settingsが追加されました。
  • DataRobotユースケースAPIを操作するための新しいクラスUseCaseが追加されました。
  • ユーザーが使用できるDataRobotアプリケーションを取得するための新しいクラスApplicationが追加されました。
  • ユーザーまたは組織のアクセス権を保持するための新しいクラスSharingRoleが追加されました。
  • バッチ監視ジョブを操作するための新しいクラスBatchMonitoringJobが追加されました。
  • バッチ監視ジョブ定義を操作するための新しいクラスBatchMonitoringJobDefinitionが追加されました。
  • 監視ジョブ定義を処理するための新しいメソッドが追加されました。
    • BatchMonitoringJobDefinition.list
    • BatchMonitoringJobDefinition.get
    • BatchMonitoringJobDefinition.create
    • BatchMonitoringJobDefinition.update
    • BatchMonitoringJobDefinition.delete
    • BatchMonitoringJobDefinition.run_on_schedule
    • BatchMonitoringJobDefinition.run_once
  • 監視ジョブを取得する新しいメソッドBatchMonitoringJob.getが追加されました。
  • Dataset.listおよびProject.listメソッドに渡されたユースケースIDで戻りオブジェクトをフィルターする機能が追加されました。
  • キーワード引数use_casesを使用して、UseCase、UseCaseオブジェクトのリスト、UseCase ID、またはUseCase IDのリストを以下のメソッドに渡すことで、新しく作成されたデータセットまたはプロジェクトをユースケースに自動的に追加する機能が追加されました。

    • Dataset.create_from_file
    • Dataset.create_from_in_memory_data
    • Dataset.create_from_url
    • Dataset.create_from_data_source
    • Dataset.create_from_query_generator
    • Dataset.create_project
    • Project.create
    • Project.create_from_data_source
    • Project.create_from_dataset
    • Project.create_segmented_project_from_clustering_model
    • Project.start
  • リクエストにデフォルトのユースケースを設定する機能が追加されました。 いくつかの方法で設定できます。

    • Client(...)を使ってクライアントを設定する場合は、Client(..., default_use_case = <id>)を呼び出します。
    • dr.config.yamlを使ってクライアントを設定する場合は、プロパティdefault_use_case: <id>を追加します。
    • 環境変数を使ってクライアントを設定する場合は、環境変数DATAROBOT_DEFAULT_USE_CASEを設定します。
    • デフォルトのユースケースは、プログラムでUseCase.get(<id>)を使ってコンテキストマネージャーとして設定することもできます。
  • 時間経過に伴うデプロイ予測データを取得するメソッドDeployment.get_predictions_over_timeが追加されました。
  • 時間経過に伴う公平性情報を取得する新しいクラスFairnessScoresOverTimeが追加されました。
  • デプロイの時間経過に伴う公平性スコアを取得する新しいメソッドDeployment.get_fairness_scores_over_timeが追加されました。
  • プロジェクトでGPUの使用を許可するかどうかを設定するための新しいパラメーターuse_gpuがメソッドProject.analyze_and_modelに追加されました。
  • プロジェクトでGPUの使用を許可するかどうかの情報を含む新しいパラメーターuse_gpuがクラスProjectに追加されました。
  • CustomModelVersionに割り当てられたトレーニングデータを取得するための新しいクラスTrainingDataが追加されました。
  • CustomModelVersionに割り当てられたHoldoutDataを取得するための新しいクラスHoldoutDataが追加されました。
  • パラメーターunsupervised_typeがクラスDatetimePartitioningに追加されました。

Rクライアント v2.18.4

Rクライアントのバージョンv2.31の一般提供を開始しました。 CRANからアクセスできます。 datarobotパッケージはR >= 3.5に依存するようになりました。v2.18.4で導入された変更の完全なリストについては、 Rクライアントの変更履歴を参照してください。

新機能

  • Rクライアントは、DataRobotプラットフォームのPython 3への移行によって使用非推奨または無効になった特定のリソース(プロジェクト、モデル、デプロイなど)にアクセスしようとすると、警告を出力するようになりました。

  • 包括的なオートパイロットのサポートが追加されました。mode = AutopilotMode.Comprehensiveを使用してください。

パブリックプレビュー

DataRobotX

パブリックプレビュー版の機能です。DataRobotX (DRX)は、データサイエンス体験を強化するために設計されたDataRobot拡張機能のコレクションです。 DRXは通常のワークフローに効率的なエクスペリエンスを提供するだけでなく、新しく実験的な高レベルの抽象化も提供します。

DRXは、以下を含むユニークなエクスペリメントワークフローを提供します。

  • Pysparkによるスマートダウンサンプリング
  • LLMを使用したデータセットの強化
  • 特徴量有用性ランクアンサンブル(FIRE)
  • カスタムモデルのデプロイ
  • MLFlowでのエクスペリメント追跡

パブリックプレビュー機能のドキュメントをご覧ください。

Rクライアント v2.31

Rクライアントのバージョンv2.31のパブリックプレビューを開始しました。 GitHub経由でインストールできます。

このバージョンのRクライアントは、curl==5.0.1パッケージ内の新しい機能により、datarobot:::UploadDataの呼び出し(つまり、SetupProject)がエラーNo method asJSON S3 class: form_fileで失敗する問題に対処します。

v2.31で導入された変更の完全なリストについては、 Rクライアントの変更履歴を参照してください。

記載されている製品名および会社名は、各社の商標または登録商標です。 製品名または会社名の使用は、それらとの提携やそれらによる推奨を意味するものではありません


更新しました November 28, 2023
Back to top