# モデルレジストリのワークフローを変更

> モデルレジストリのワークフローを変更 - AIプラットフォームの2023年10月リリースと11月リリースの間に（およびセルフマネージドAIプラットフォームのリリース9.2で）、DataRobotはモデ
> ルレジストリに対してエキサイティングなアップデートを実施します。これにより、モデルの整理や複数のバージョンの追跡が容易になります。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.742708+00:00` (UTC).

## Primary page

- [モデルレジストリのワークフローを変更](https://docs.datarobot.com/ja/docs/release/deprecations-and-migrations/model-registry.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [移行とワークフロー変更の概要](https://docs.datarobot.com/ja/docs/release/deprecations-and-migrations/model-registry.html.md#_2): In-page section heading.
- [リーダーボードからのデプロイ手順](https://docs.datarobot.com/ja/docs/release/deprecations-and-migrations/model-registry.html.md#_3): In-page section heading.
- [APIルートの非推奨](https://docs.datarobot.com/ja/docs/release/deprecations-and-migrations/model-registry.html.md#api): In-page section heading.
- [よくある質問](https://docs.datarobot.com/ja/docs/release/deprecations-and-migrations/model-registry.html.md#_4): In-page section heading.

## Documentation content

AIプラットフォームの2023年10月リリースと11月リリースの間に（およびセルフマネージドAIプラットフォームのリリース9.2で）、DataRobotはモデルレジストリに対してエキサイティングなアップデートを実施します。これにより、モデルの整理や複数のバージョンの追跡が容易になります。 お客様からのアクションは必要ありません。ただし、この変更が導入されると、デプロイ前にモデルを登録する必要があります。

## 移行とワークフロー変更の概要

モデルレジストリは、DataRobotで使用されるさまざまなモデルの組織的なハブです。 モデルは、デプロイ可能なモデルパッケージとして登録されます。 これらのモデルパッケージは、_登録されたモデルバージョン_を含む_登録モデル_にグループ化され、解決するビジネス問題に基づいて分類できます。 登録されたモデルには、DataRobotのモデル、カスタムモデル、外部モデル、チャレンジャーモデル、および自動的に再トレーニングされたモデルをバージョンとして含めることができます。

この変更では、 モデルレジストリ > モデルパッケージ タブにあるパッケージは登録モデルに変換され、新しい 登録済みのモデル タブに移行されます。 移行された各登録モデルには、登録されたモデルバージョンが含まれています。 元のパッケージは、新しいタブでは、登録モデル名に追加されたモデルパッケージID（登録されているモデルバージョンID）によって識別できます。

移行が完了すると、変更された モデルレジストリ では、新しいバージョン管理機能と一元管理で、予測モデルと生成モデルの進化を追跡できます。 さらに、元のモデルと関連するデプロイの両方にアクセスでき、登録したモデル（およびそのモデルに含まれるバージョン）を他のユーザーと共有することができます。

今回の変更は、 [以前のモデルパッケージワークフローの変更](https://docs.datarobot.com/ja/docs/release/index.html.md#model-package-artifact-creation-workflow) に基づいており、デプロイするモデルを登録する必要があります。 リーダーボードからモデルを登録してデプロイするには、まずモデルの登録情報を提供する必要があります。

- これまでは、リーダーボード上でモデルを開き、予測 > デプロイに移動すると、登録モデルの詳細を提供せずにモデルをデプロイをクリックすることができました。
- 今回の変更により、リーダーボード上でモデルを開き、予測 > デプロイタブに移動すると、登録してデプロイするよう促され、モデルの詳細を提供し、モデルを新規登録モデル、または既存モデルの新バージョンとしてモデルレジストリに追加する必要があります。 モデルが登録されたら、デプロイをクリックできます。

> [!TIP] リーダーボードから直接モデルバージョンをデプロイする
> すでにモデルを登録している場合 、 リーダーボード 上で、モデルの 予測 > デプロイ タブを開き、 モデルのバージョン リストでモデルを見つけて、 デプロイ をクリックすることができます（ ステータス が 構築中 の場合でも同様です）。

## リーダーボードからのデプロイ手順

モデルレジストリをDataRobotの全モデルを対象とした真の組織的ハブとするためには、各モデルを_デプロイする前に登録_する必要があります。 リーダーボードからのモデルの登録とデプロイ。

1. リーダーボードで、予測の生成に使用するモデルを選択します。デプロイ推奨とデプロイの準備済みのバッジが付いたモデルをお勧めします。モデル準備プロセスでは、特徴量のインパクトが実行され、特徴量の数を減らした特徴量セットでモデルが再トレーニングされて、より大きなサンプルサイズでトレーニングされた後、サンプル全体（日付/時刻で分割されたプロジェクトの最新データ）でトレーニングされます。
2. 予測 > デプロイをクリックします。 リーダーボードモデルにデプロイの準備済みバッジがない場合、デプロイの準備をクリックして、そのモデルに対してモデル準備プロセスを実行することを推奨します。 ヒントすでにそのモデルをモデルレジストリに追加している場合、登録されているモデルのバージョンがモデルのバージョンリストに表示されます。 モデルの横にあるデプロイをクリックして、このプロセスの残りの部分をスキップできます。
3. モデルをデプロイで、登録してデプロイをクリックします。
4. 新規モデルの登録ダイアログボックスで、必要なモデルパッケージのモデル情報を入力します。 フィールド説明モデルの登録次のいずれかを選択：新規モデルの登録：登録済みのモデルを新規作成します。 これにより、最初のバージョン（V1）が作成されます。既存のモデルに新しいバージョンとして保存：既存の登録済みモデルのバージョンを作成します。 これにより、バージョン番号が増加し、登録済みモデルに新規バージョンが追加されます。登録モデルの名前/登録済みのモデル次のいずれかを実行します。登録済みモデル名：新しい登録モデルに一意でわかりやすい名前を入力します。 組織内のどこかに存在する名前を選択すると、モデルの登録に失敗したという警告が表示されます。登録済みのモデル：新規バージョンを追加する既存の登録済みモデルを選択します。登録モデルのバージョン自動的に割り当て済み。 作成するバージョンの予想バージョン番号（V1, V2, V3など）が表示されます。新しいモデルを登録を選択すると、これは常にV1になります。予測しきい値二値分類モデル用。 陽性クラスに割り当てられるように予測スコアを超える値を入力します。 デフォルト値は0.5です。 詳細については、予測に対するしきい値を参照してください。オプション設定バージョンの説明このモデルパッケージが解決するビジネス上の問題、またはより一般的には、このバージョンで表されるモデルについて説明します。タグ+ 項目を追加をクリックし、モデルバージョンにタグ付けする各キーと値のペアのキーと値を入力します。 タグは登録済みモデルには適用されず、その中のバージョンにのみ適用されます。 新規モデルの登録時に追加されたタグがV1に適用されます。予測間隔を含める時系列モデルの場合は。 モデルの時系列の予測間隔（1～100）の計算を有効にします。 時系列の予測間隔は、データセットの系列数、特徴量の数、ブループリントなどによっては、計算に時間がかかる場合があります。モデルパッケージのデプロイで間隔を使用する必要があるかどうかを検討してください。 詳細については、予測間隔に関する注意事項を参照してください。 二値分類予測のしきい値デプロイ準備プロセスの前に予測しきい値を設定した場合、その値はデプロイには適用されません。 準備されたモデルをデプロイするときにデフォルト以外の値を使用する場合は、モデルにデプロイの準備済みバッジが適用された後に値を設定する必要があります。 時系列予測間隔に関する注意事項予測間隔を含む時系列モデルパッケージをデプロイすると、そのデプロイでは予測 > 予測間隔タブが表示されます。 予測間隔を計算せずに構築されたデプロイ済みモデルパッケージの場合、そのデプロイでは予測 > 予測間隔タブは表示されません。ただし、予測間隔が計算されていない古い時系列デプロイでは、2022年8月より前にデプロイされた場合、予測間隔タブが表示されることがあります。
5. レジストリに追加をクリックします。モデルレジストリ > 登録済みのモデルタブでモデルが開きます。
6. 登録モデルの構築中に、デプロイをクリックして、デプロイ設定を行います。

## APIルートの非推奨

この変更に対応するため、一部のAPIルートを使用非推奨とします。 すべてのAPIは、6か月間想定どおりに機能します。 APIをご利用の場合、 [APIドキュメント](https://docs.datarobot.com/ja/docs/api/index.html.md) で詳細を確認できます。

## よくある質問

| 質問 | 回答 |
| --- | --- |
| 変更点 | モデルパッケージタブに代わって、登録済みのモデルタブが追加されました。 モデルレジストリにモデルを追加すると、そのモデルにはバージョン番号（v1、v2など）が付き、_登録モデル_と呼ばれます。 各_登録モデル_には、_登録されたモデルバージョン_が含まれています。 また、リーダーボードモデルをデプロイするワークフローでは、モデル登録の手順が必要です。 |
| リーダーボードモデルはどのようにデプロイすればよいですか？ | デプロイする前に、モデルをモデルレジストリに追加する必要があります。リーダーボードでモデルを開き、予測 > デプロイに移動します。New：登録してデプロイをクリックして、モデルを登録します。 新しいモデル（例：v1）を登録することも、既存の登録モデルの新しいバージョンとして保存することもできます。登録が終わると、モデルレジストリにバージョンが表示され、そこでデプロイをクリックできます。 |
| なぜこのような変更を行うのでしょうか？ | ユーザーエクスペリエンスの向上：デプロイするすべてのモデルの登録が必要なため、モデルを整理する際のユーザーエクスペリエンスが向上します。 モデルを再トレーニングすると、そのモデルの全系統を確認できます。 さらに、モデルを手動でグループ化でき、モデルのフィルターと検索がより簡単になり、チャレンジャーモデルのワークフローがよりシンプルになりました。AI Productionの機能：新しいモデルレジストリは、どこで作られ、どこでホストされているかに関係なく、すべてのモデルのための一元化された組織的ハブです。 デプロイ前にモデルを登録することで、監視やガバナンスのようなAI Productionの重要な機能が有効になります。 |
| 移行前に作成されたモデルパッケージはどうなりますか？ | モデルレジストリにある既存のモデルパッケージはすべて、バージョンを含む一意の登録モデルとして移行されます。 元のパッケージは、新しいタブでは、登録モデル名に追加されたモデルパッケージID（登録されているモデルバージョンID）によって識別できます。 |