2023年5月¶

2023年5月24日

最新のデプロイでは、DataRobotのAIプラットフォームは、以下に示す新規GAおよびプレビュー機能を提供しました。 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

5月リリース¶

次の表は、新機能の一覧です。

一般提供¶

リフトチャートが、ワークベンチで使用可能¶

このデプロイでは、 リフトチャートが、ワークベンチエクスペリメントで利用可能なインサイトのリストに追加されました。

Pandasライブラリへのアップグレード¶

Pandasライブラリが、バージョン0.23.4から1.3.5にアップグレードされました。最新バージョン以降の更新とバグ修正が複数あるため、以下にまとめます。

• XEMP予測の説明インサイト集計ロジックが、Pandasで改善され、計算精度が向上しました。

• Pandasの浮動陽性的中率の変化は、正規化されたSHAPインパクト値のプレシジョンにわずかに影響します。 ただし、それは最小限の違いです。 たとえば、このバージョン変更前後の値を、以下に比較します。

  • バージョン0.23.4： saledate (Day of Month),0.7861313684206008
  • バージョン1.3.5： saledate (Day of Month),0.786131368420601

• PandasリサンプリングAPIのロジックが改善され、時間の経過に伴う特徴量インサイトプレビューの開始日と終了日の精度が向上しました。

バックエンドの日付/時刻機能の簡素化¶

このリリースでは、日付/時刻のパーティショニングをサポートするメカニズムが簡素化され、特定のガードレールを緩和し、バックエンドロジックを合理化することによって柔軟性が向上します。 ユーザー向けの特異な変更はありませんが、以下の点に気付くかもしれません。

• デフォルトのパーティショニングで十分な行がない場合、DataRobotは検定期間（トレーニングパーティションの先頭までのデータのうち、特徴量派生用に予約されている部分）を自動的に拡張します。

• 検定とホールドアウトの両方をカバーするのに十分な行がない場合、DataRobotは自動的にホールドアウトを無効化します。

• DataRobotには、すべてのケースでトレーニングパーティションの開始前に、特徴量派生のためにデータを保存するときに予測ウィンドウが含まれます。 以前は、これは複数系列または広い予測ウィンドウにのみ適用されました。

プレビュー¶

データ接続参照の改善¶

このリリースでは、ワークベンチにおいてデータ接続の参照が改善されました。

• 設定中にSnowflakeデータベースが指定されていない場合は、設定保存した後に、データベースを参照して選択できます。 それ以外の場合は、スキーマリストビューに直接移動します。

• Snowflakeでデータベース、スキーマ、およびテーブルを参照するときの結果の表示にかかる時間を、DataRobotが短縮しました。

ラングリングプレビューの改善¶

このリリースでは、ワークベンチでのデータラングリングに関する以下の複数の改善が含まれます。

• ラングリングレシピに、 操作の並び替えをご紹介

• 操作の追加でエラーが発生した場合は、新規元に戻すボタンで変更を元に戻せます。

• ライブプレビューに、最大1000列までシームレスにブラウジングできる無限のスクロール機能を追加

日付/時刻のパーティショニングが、ワークベンチで利用可能¶

このデプロイでは、エクスペリメントサマリーで報告されているように、エクスペリメントが、時間認識モデリングの対象である場合、 日付/時刻のパーティショニングが使用可能となります。

日付/時刻を分割手法として選択し、バックテストおよびその他の時間認識モデリングオプションを設定するためのオプションを表示します。 非時間認識と同様に、新規設定でトレーニングして、リーダーボードにモデルを追加できます。 さらに、時系列の精度と安定性の視覚化は、日付/時刻のエクスペリメントで使用できます。

必要な機能フラグ：ワークベンチで日付/時刻パーティション（OTV）を有効にする

特徴量ごとの作用で、スライスをサポートする¶

スライスされたインサイトは、特徴量値（元の値または派生値）に基づいてモデルのデータの部分母集団を表示するオプションを提供します。 このデプロイでは、スライスは、特徴量ごとの作用インサイト（リフトチャート、ROC曲線、残差、および特徴量のインパクトの結合オプション）で使用可能となりました。

機能フラグ：スライスされたインサイトを有効にする

プレビュー機能のドキュメントをご覧ください。

DataRobot NotebooksでのAzure OpenAI Serviceとの連携¶

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

プレビュー機能のドキュメントをご覧ください。

AzureMLでのスコアリングコードの自動デプロイと置換¶

現在、プレビュー機能として提供されており、DataRobotが管理するAzureMLの予測環境を作成し、AzureMLにDataRobotのスコアリングコードをデプロイすることができます。 DataRobotによる管理オプションを有効にすると、AzureMLに外部デプロイされたモデルは、スコアリングコードの自動置換を含むMLOps管理機能を利用できます。

AzureMLの予測環境を作成したら、モデルレジストリからその環境にスコアリングコード対応モデルをデプロイできます。

機能フラグ：AzureMLでのスコアリングコードの自動デプロイと置換を有効にする

プレビュー機能のドキュメントをご覧ください。

非構造化モデルに関するMLOpsレポート¶

プレビューが利用可能となり、非構造化（連続値）、非構造化（二値）、または非構造化（多クラス）ターゲットタイプで、 カスタムモデルワークショップで作成済みのPythonカスタム推論モデルのMLOps統計を説明できます。

この機能を有効にすると、 非構造化カスタム推論モデルをアセンブルするときに、 Pythonコードで新たな非構造化モデルレポーティング方法を使用して、デプロイ統計と予測データをMLOpsに報告できます。 MLOpsのレポートを使用した非構造化Pythonカスタムモデルの例については、DataRobotユーザーモデルリポジトリを参照してください。

必要な機能フラグ：非構造化モデルからのMLOpsレポートを有効にする

プレビュー機能のドキュメントをご覧ください。

APIの機能強化¶

Pythonクライアントv3.1.1¶

Pythonクライアントバージョン3.1.1が利用可能になり、以下の設定変更が導入されました。

• パッケージが、Python 3.7+であるため、パッケージ contextlib2への依存を削除しました。
• バージョン4.3.0から< 5.0.0までを含めるように、 タイピング拡張機能を更新済み

特徴量ごとの予実が、APIから削除されました。¶

特徴量ごとの予実が、DataRobotのAPIから削除されました。 DataRobotは、同じ出力を提供するため、代わりに特徴量ごとの作用を使用することを推奨します。

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。