2023年3月¶

2023年3月22日

このページでは、新たにリリースされ、DataRobotのSaaS型シングル/マルチテナントAIプラットフォームで利用できる機能についてのお知らせと、追加情報へのリンクを掲載しています。 3月のデプロイにより、DataRobotのAIプラットフォームには、以下の一般提供およびプレビューの新機能が提供されました。 リリースセンターからは、次のものにもアクセスできます。

• 過去の月次リリース
• セルフマネージドAIプラットフォーム版リリースノート

3月リリース¶

次の表は、新機能の一覧です。 過去の新機能のお知らせについては、デプロイ履歴をご覧ください。

一般提供¶

クイックオートパイロットモードで特徴量セットの縮小が復活¶

このリリースでは、クイックモードでのデプロイ用モデルの作成時に、縮小された特徴量セットが再び作成されるようになりました。 1月に、DataRobotは、 AutoMLのクイックモードの機能強化を行いました。2月に、 時系列プロジェクトで、改善が利用可能となりました。 当時、フィッティングにはモデルの再トレーニングが必要であったため、DataRobotによって数が削減された特徴量セットの生成とフィッティングが自動で行われなくなりました。 現在、ユーザーリクエストに基づいて、デプロイ用のモデルを推奨および準備するとき、DataRobotは、削減済み特徴量セットを再度作成します。 ただし、このプロセスにはモデルフィッティングは含まれません。 推奨モデルまたはリーダーボードモデルにリストを適用するには、手動で再トレーニング可能です。

時系列アプリケーションに詳細ページを追加¶

時系列予測ウィジェットで、特定の予測や日付に絞って予測情報を表示できるようになり、予測値を見るだけでなく、同じ日付に行われた他の予測との比較も可能になりました。

予測の詳細を見るには、予測値対実測値または予測の説明チャートで予測をクリックします。 これにより、予測の詳細ページが開き、以下の情報が表示されます。

ドライバーのバージョンを更新¶

このリリースでは、以下のドライバーのバージョンが更新されました。

• AWS Athena==2.0.35
• SAP Hana==2.15.10

DataRobotで サポート済みドライバーバージョンの完全なリストを参照してください。

カスタムモデルのバージョンにトレーニングデータを割り当てる¶

カスタムモデルのデプロイで特徴量ドリフトの追跡を有効にするには、トレーニングデータを追加する必要があります。 現在、トレーニングデータを追加すると、そのデータはカスタムモデルに直接割り当てられます。 その結果、そのモデルのすべてのバージョンで同じデータが使用されます。 このリリースでは、カスタムモデルへの直接のトレーニングデータ割り当ては、使用非推奨となり、削除が予定され、各カスタムモデルバージョンへのトレーニングデータ割り当てに置き換えられます。 下位互換性をサポートするために、使用非推奨トレーニングデータの割り当て方法は、新規作成されたモデルであっても、使用非推奨期間中のデフォルトのままとなります。

カスタムモデルのバージョンにトレーニングデータを割り当てるには、モデルを変換する必要があります。 アセンブルタブで、モデルバージョン用のトレーニングデータのアラートを見つけて、恒久的に変換をクリックします。

モデルを変換したら、カスタムモデルのバージョンにトレーニングデータを割り当てることができます。

• モデルにトレーニングデータがすでに割り当てられている場合、データセットセクションには、既存のトレーニングデータセットに関する情報が含まれます。 既存のトレーニングデータを置き換えるには、編集アイコン（）をクリックします。 トレーニングデータを変更ダイアログボックスで、削除アイコン（）をクリックして既存のトレーニングデータを削除し、新しいトレーニングデータをアップロードします。

• モデルバージョンにトレーニングデータが割り当てられていない場合、割り当てをクリックし、トレーニングデータを追加ダイアログボックスで、トレーニングデータをアップロードします。

新しいカスタムモデルのバージョンを作成するときに、前のバージョンのトレーニングデータを保持することができます。 この設定は、デフォルトで有効化しており、トレーニングデータを、現在のバージョンから新規カスタムモデルバージョン移動します。

詳細については、カスタムモデルにトレーニングデータを追加するとカスタムモデルのバージョンを追加するを参照してください。

プレビュー¶

AIアプリで予測件数の上限を引き上げ¶

プレビュー版の機能です。1つのアプリケーションで最大5万件の予測が可能です。 以前は、フラグを有効化せずに、アプリケーションは5K予測のみをサポートしていました。 フラグの有無にかかわらず、残りの予測数を示すメッセージが表示されます。 制限は、個々のユーザーではなく、個々のアプリに適用されることに注意してください。 つまり、アプリを共有した場合、ユーザーが作成する予測は、残りの予測から差し引かれます。

必要な機能フラグ：予測行数の上限引き上げを有効にする

APIの機能強化¶

Pythonクライアントv3.1¶

DataRobotのPythonクライアントのバージョン3.1では、以下のAPIの機能が強化されました。

• ファイルやデータセットに時系列データ準備を適用し、デプロイでバッチ予測を行う新しいメソッドBatchPredictionJob.apply_time_series_data_prep_and_scoreとBatchPredictionJob.apply_time_series_data_prep_and_score_to_fileを追加しました。

• ファイルまたはカタログデータセットに時系列データ準備を適用し、予測データセットをプロジェクトにアップロードする新しいメソッドDataEngineQueryGenerator.prepare_prediction_datasetとDataEngineQueryGenerator.prepare_prediction_dataset_from_catalogを追加しました。

• メソッドProject.create_from_datasetに新しくmax_waitパラメーターを追加しました。 データセットからプロジェクトを作成する際、タイムアウトを避けるために、デフォルトより大きな値を指定することができます。

• 既存のクラスタリングプロジェクトとモデルからセグメントモデリングプロジェクトを作成するためのメソッドProject.create_segmented_project_from_clustering_modelを追加しました。 これまでセグメントモデリングを目的としてModelPackageを使用していた場合は、この関数に切り替えてください。

• クラスタリングまたは多クラスのパラメーターが使用されているかどうかをチェックするメソッドis_unsupervised_clustering_or_multiclassを追加しました。 API呼び出しを追加することなく、すばやく効率的に実行できます。

• RECOMMENDED_MODEL_TYPE列挙型にPREPARED_FOR_DEPLOYMENTを追加しました。

• ImageAugmentationListクラスに2つの新しいメソッドImageAugmentationList.listと ImageAugmentationList.updateを追加しました。

• S3、GCP、Azureでのバッチ予測の入出力設定にformatキーを追加しました。

• メソッドPredictionExplanations.is_multiclassに、多クラスターゲットの有効性をチェックするためのAPIコールを追加しました。それにより、処理時間がわずかに長くなります。

• AdvancedOptionsのパラメーターblend_best_modelsのデフォルトはFalseになりました。

• AdvancedOptions <datarobot.helpers.AdvancedOptions>のパラメーター consider_blenders_in_recommendationのデフォルトはFalseになりました。

• DatetimePartitioningにパラメーターunsupervised_modeを追加しました。

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。