2024年2月¶

2024年2月28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。 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

注目の新機能¶

Codespacesでのノートブックファイルシステムの管理¶

CodespacesがDataRobotのワークベンチに追加され、特にDataRobot Notebooksで作業する際のコードファーストエクスペリエンスが向上しました。 Codespaceは、リポジトリまたはフォルダーファイルツリー構造に似ており、任意の数のファイルやネストされたフォルダーを含めることができます。 Codespace内では、複数のノートブックファイルやノートブック以外のファイルを同時に開いたり、表示したり、編集したりすることができます。 同じコンテナセッションで複数のノートブックを実行することもできます（各ノートブックは独自のカーネルで実行します）。 Codespaceのインターフェイスには、永続的なファイルストレージに加えて、ファイルエディターと統合ターミナルがあり、高度なコード開発を体験できます。 CodespaceはGitと互換性があるため、Git CLIを使用して、外部のGitリポジトリにあるノートブックファイルやノートブック以外のファイルをバージョン管理することができます。

プレビュー機能のドキュメントをご覧ください。

デフォルトではオンの機能フラグ：Codespacesを有効にする

February features¶

次の表は、新機能の一覧です。

一般提供¶

すべてのラングリング操作を一般提供¶

これまでプレピュー機能だったラングリング操作の結合と集計が、ワークベンチで一般提供されました。

セキュアな共有ワークフローを一新¶

データセキュリティの強化、機微情報のさらなる保護、共有プロセスの効率化を実現するため、リソースは同じ組織のユーザー間でのみ共有できるようになりました。 組織に新しいユーザーを追加する方法や既存のユーザーを管理する方法については、テナントの分離とコラボレーションのドキュメントを参照してください。

この変更の影響を受けるのは、マルチテナントSaaSのユーザーのみです。 他のデプロイ環境に変更があった場合は、その都度お知らせし、ドキュメントを更新します。

スライスされたインサイトに2つの新しい演算子を導入¶

このデプロイでは、特徴量の値に基づいてモデルデータの部分母集団を確認できるデータスライス機能に、betweenとnot betweenという2つの新しいフィルターオプションが追加されました。 どちらかを選択するとモーダルが開き、指定した実測値を含む範囲を設定できます。

デプロイのリアルタイム通知¶

DataRobotは 通知システムで自動監視を行い、サービスの正常性、データドリフトステータス、モデルの精度、公平性値が組織の許容値から逸脱したときにトリガーされるアラートを設定できます。 一般提供機能になりました。これらのステータスアラートのリアルタイム通知を有効にすることで、スケジュールされた正常性ステータスの通知を待つことなく、モデルの正常性の変化に組織がすばやく対応できます。

予測値と実測値の適時性インジケーター¶

デプロイには、サービスの正常性、データドリフト、精度など、デプロイの全般的な正常性を定義するいくつかのステータスがあります。 これらのステータスは、最新の使用可能なデータに基づいて計算されます。 24時間以上の間隔で行われたバッチ予測に依存するデプロイの場合、この方法では、 デプロイインベントリの予測正常性インジケーターのステータスがグレー/不明になることがあります。 一般提供機能になりました。これらのデプロイの正常性インジケーターは、最後に計算された正常性の状態を保持し、古いデータに基づいているときはそれを明示する適時性ステータスインジケーターとともに表示されます。 状況に応じて、デプロイに適した適時性の間隔を決定できます。 デプロイの使用状況 > 設定タブで適時性の追跡を有効にすると、 使用状況タブと デプロイインベントリで適時性インジケーターを表示できます。

バッチ予測での列名の再マッピング¶

1回限りまたは定期的なバッチ予測を設定する際に、予測ジョブの出力で列名を変更できます。これを行うには、予測オプションの列名の再マッピングセクションで、追加されたエントリーに列名をマッピングします。 + 列名の再マッピングを追加をクリックし、入力列名を予測出力で指定された出力列名に置き換えるように定義します。

レジストリのグローバルモデル¶

プレミアム機能です。レジストリ（NextGen）とモデルレジストリ（Classic）から、予測ユースケースや生成ユースケースのために事前にトレーニングされたグローバルモデルをデプロイすることができます。 これらの高品質でオープンソースのモデルは、トレーニング済みですぐにデプロイできるため、DataRobotのインストール後すぐに予測を行うことができます。 GenAIのユースケースには、プロンプトインジェクション、毒性、センチメントを識別する分類器や、拒否スコアを出力するリグレッサーが用意されています。 グローバルモデルはすべてのユーザーが使用できますが、編集権限を持つのは管理者のみです。 レジストリ > モデルディレクトリページでグローバルモデルを識別するには、グローバル列を見つけて、 はいのモデルを探します。

カスタムモデル用の新しい環境変数¶

ドロップイン環境またはDRUM上に構築されたカスタム環境を使用する場合、カスタムモデルのコードは、DataRobotクライアントおよびMLOps接続クライアントへのアクセスを容易にするために挿入された複数の環境変数を参照できます。 環境変数DATAROBOT_ENDPOINTとDATAROBOT_API_TOKENには、NextGenおよびDataRobot Classicのプレミアム機能であるパブリックネットワークアクセスが必要です。

カスタムアプリの一般提供を開始¶

一般提供機能になりました。Dockerで作成したイメージから、DataRobotでカスタムアプリケーションを作成し、Streamlit、Dash、R Shinyなどのウェブアプリケーションを使って機械学習プロジェクトを共有できます。 DRApps（シンプルなコマンドラインインターフェイス）により、DataRobotの実行環境を使用して、DataRobotでカスタムアプリケーションをホストすることもできます。 これにより、独自のDockerイメージを構築せずにアプリを実行できます。 カスタムアプリケーションはストレージを提供しません。ただし、DataRobotの全APIやその他のサービスにアクセスできます。 このリリースから、カスタムアプリケーションは、一定期間使用されないと休止状態になります。休止状態のカスタムアプリケーションに初めてアクセスすると、再起動中にロード画面が表示されます。

プレビュー¶

Parquetファイル取込みのサポートを充実化¶

DataRobotはAIカタログ、トレーニングデータセット、予測データセットでParquetファイルの取込みをサポートするようになりました。 サポートされるParquetファイルタイプは以下のとおりです。

• 単一のParquetファイル
• zip圧縮された単一のParquetファイル
• 複数のParquetファイル（別々のデータセットとして登録）
• zip圧縮された複数のParquetファイル（DataRobotで単一のデータセットを作成するためにマージ）

デフォルトではオンの機能フラグ：Parquetファイルの取込みを有効にする

DataRobotにADLS Gen2コネクターを追加¶

DataRobot Classicとワークベンチの両方にADLS Gen2ネイティブコネクターのサポートが追加され、次のことが可能になりました。

• データ接続を作成して設定する。
• ADLS Gen2データセットを追加する。

プレビュー機能のドキュメントをご覧ください。

デフォルトではオンの機能フラグ：** ADLS Gen2コネクターを有効にする

SageMakerでの自動デプロイと置換¶

DataRobotが管理するSageMaker予測環境を作成し、SageMakerでリアルタイム推論やサーバーレス推論を用いてカスタムモデルとスコアリングコードをデプロイできるようになりました。 DataRobot管理を有効にすると、外部SageMakerデプロイは、自動モデル置換を含むMLOps管理にアクセスできるようになります。

プレビュー機能のドキュメントをご覧ください。

デフォルトではオンの機能フラグ：SageMakerでカスタムモデルの自動デプロイと置換を有効にする

NextGenコンソールのレイアウトを一新¶

今回リニューアルされたNextGenコンソールでは、重要な監視、予測、バイアス軽減の各機能を、新しく直感的なレイアウトのモダンなユーザーインターフェイスで提供します。 この新しくなったレイアウトにより、ワークベンチでのモデルエクスペリメントやレジストリでのモデル登録から、コンソールでのモデルの監視と管理へシームレスに移行できます。また、DataRobot Classicの機能も引き続き利用できます。

プレビュー機能のドキュメントをご覧ください。

デフォルトではオフの機能フラグ：最新のコンソールレイアウトを有効にする

カスタムモデル出力で列を追加¶

score()フックは、string、int、float、bool、またはdatetime型のデータを含む追加の列を数に制限なく返すことができます。 追加の列がscore()メソッドによって返される場合、予測応答は次のようになります。

• 表形式の応答（CSV）の場合、追加の列は応答テーブルまたはデータフレームの一部として返されます。
• JSON応答の場合、extraModelOutputキーが各行と一緒に返されます。 このキーは、行内の各追加列の値を含むディクショナリです。

プレビュー機能のドキュメントをご覧ください。

デフォルトではオフの機能フラグ：予測応答で追加のカスタムモデル出力を有効にする

カスタムモデル用の新しいランタイムパラメーター定義オプション¶

モデルメタデータを使用してカスタムモデルのランタイムパラメーターを作成する際に、typeキーをstringやcredentialに加えてbooleanまたはnumericに設定できるようになりました。 model-metadata.yamlに、以下の新しい_オプション_のruntimeParameterDefinitionsを追加することもできます。

For more information, see the documentation.

デフォルトではオフの機能フラグ：カスタムモデルのランタイムパラメーターのインジェクションを有効化

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。