レジストリからのモデルのデプロイ¶

モデルを登録した後、デプロイするモデルのバージョンにアクセスすることで、レジストリからそのモデルをデプロイすることができます。

登録済みモデルバージョンをレジストリからデプロイするには：

1. モデルタブの登録モデルのテーブルで、デプロイしたいバージョンを含む登録モデルをクリックすると、バージョンのリストが開きます。

2. バージョンのリストでデプロイするバージョンをクリックし、登録済みモデルバージョンパネルを開きます。

   

3. 登録済みモデルバージョンパネルのいずれかのタブの右上隅で、デプロイをクリックし、 デプロイ設定を行います。

   

4. 使用可能なデータを追加し、モデルが完全に定義されたら、画面上部にあるデプロイを作成をクリックします。

デプロイ設定を行う¶

新しいデプロイを作成する場所（ワークベンチエクスペリメントまたはレジストリ）やアーティファクトのタイプ（DataRobotモデルまたは外部モード）に関係なく、デプロイ情報ページが表示され、そこでデプロイを設定できます。 デプロイ情報ページには、トレーニングデータ、予測データ、実測値など、提供されたデータに基づいて現在のデプロイの機能の概要が表示されます。

標準のオプションと情報¶

モデルデプロイを開始すると、デプロイタブが開き、モデル情報および予測履歴とサービスの正常性オプションが表示されます。

モデル情報セクションには、デプロイの予測を作成するために使用されているモデルの詳細情報が表示されます。 フィールドはデプロイのファイルおよび情報を使用して入力されるので、フィールドはグレーアウトされて編集できません。

この予測履歴とサービスの正常性セクションには、デプロイの推論（スコアリング）データ—（これは予測リクエストおよびモデルからの結果を含む）に関する詳細が表示されます。

高度なオプション¶

高度なオプションを表示をクリックすると、次のデプロイ設定を行えます。

• データドリフト

• 精度

• データ探索

• チャレンジャー分析

• 高度な予測設定（ 特徴量探索デプロイ用）

• サービスの正常性に関する詳細設定

• カスタム指標

• 公平性

• ランタイムパラメーター

データドリフト¶

モデルをデプロイするとき、トレーニングおよび検定に使用するデータセットが予測データと異なっていることがあります。 ドリフト追跡を有効にするには、次の設定を行います。

DataRobotは、デフォルトでターゲットと特徴量ドリフト情報を監視し、データドリフトダッシュボードで結果を表示します。 たとえば、監視する必要のない機微データがデプロイに含まれている場合などは、ターゲット監視を有効化と特徴量ドリフト追跡を有効化のトグルを使用して追跡をオフにします。 デプロイのデータドリフトステータスのカスタマイズに関する詳細については、データドリフトページを参照してください。

特徴量ドリフトのための特徴量の選択¶

デプロイで特徴量ドリフト追跡を有効にすると、特徴量ドリフトセクションが表示されます。 追跡する25の特徴量を選択するには、次の戦略のいずれかを選択します。

• 自動：（デフォルト）DataRobotが25の特徴量を選択します。

• 手動：特徴量の選択をクリックし、リストから最大25の特徴量を選択します（有用性順に並べ替え）。

  

精度¶

必要となる設定を 精度タブに設定すると、標準的な統計的手法とエクスポート可能な可視化によって、時間の経過に伴うモデルデプロイのパフォーマンスを分析できます。

データ探索¶

予測行ごとの履歴保存を有効にして、 データ探索タブをアクティブにします。 ここから、デプロイの保存されたトレーニングデータ、予測データ、および実測値をエクスポートして、 カスタム指標タブまたはDataRobotの外部で、カスタムビジネスまたはパフォーマンス指標を計算し監視します。

チャレンジャー分析¶

DataRobotは、行レベルでデプロイの予測リクエストデータを安全に保存できます（外部モデルのデプロイではサポートされていません）。 この設定は、チャレンジャータブを使用するすべてのデプロイで有効にする必要があります。 チャレンジャー分析の有効化に加え、保存された予測リクエスト行へアクセスすると、予測を詳細に監査し、そのデータを使用して運用上の問題のトラブルシューティングを行うことができます。 たとえば、データを調べることによって、異常な予測結果やデータセットが不正な形式であった理由を理解できます。

高度な予測設定¶

高度な予測設定セクションでは、デプロイされるモデルのプロジェクトタイプとモデルがデプロイされる予測環境に依存した設定を行うことができます。

• DataRobotのサーバーレス環境にモデルをデプロイする場合、予測自動スケーリング設定を行うことができます。
• 特徴量探索プロジェクトからモデルをデプロイする場合、セカンダリーデータセットの設定を行うことができます。

予測自動スケーリング設定¶

この環境でオンデマンド予測を設定するには、高度なオプションの表示をクリックし、高度な予測設定まで下にスクロールして、次の自動スケーリングオプションを設定します。

特徴量探索でのセカンダリーデータセット¶

特徴量探索は、多数のデータセットから新しい特徴量を識別し生成します。このため、多数のデータセットを1つに統合するために手動で特徴量エンジニアリングを実行する必要がなくなります。 この処理は、データセットとそのデータセット内の特徴量の関係性に基づきます。 DataRobotは、このような関係性を構築および視覚化できる直感的な関係性エディターを提供します。 グラフおよび含まれるデータセットがDataRobotの特徴量探索エンジンによって分析され、特徴量エンジニアリング「レシピ」が決定されます。そのレシピから、トレーニングおよび予測に使用するセカンダリー特徴量が生成されます。 デプロイの設定中に、選択されたセカンダリーデータセットの設定を変更できます。

サービスの正常性に関する詳細設定¶

セグメント化された分析により、デプロイ時のトレーニングおよび予測データ要求の運用上の問題点が識別されます。 DataRobotでは、データのドリフトと精度の統計を固有のセグメント属性と値にフィルタリングすることでドリルダウン分析が可能になります。

カスタム指標¶

生成AIのデプロイでは、データ品質とカスタム指標を監視するためにこれらの設定を行います。

公平性¶

公平性を使用すると、デプロイの設定を行うことで、モデルの予測動作のバイアスを確認できます。 モデルのデプロイ以前に公平性設定を定義した場合、フィールドは自動的に入力されます。 追加情報については、公平性テストの定義に関するセクションを参照してください。

ランタイムパラメーター¶

カスタムモデルの場合、ランタイムパラメーターセクションにアクセスできます。 登録されたカスタムモデルがmodel-metadata.yamlファイル内で{ target=_blank }からruntimeParameterDefinitionsの ランタイムパラメーターを定義している場合、モデルをデプロイする前に、このセクションでこれらのパラメータを管理することができます。 これを行うには、最初に 編集をクリックします。

各ランタイムパラメーターの行には、次のコントロールが含まれています。

ランタイムパラメーターのいずれかを編集した場合、変更を保存するには適用をクリックします。

ランタイムパラメーターを定義し、カスタムモデルコードで使用する方法の詳細については、 カスタムモードのランタイムパラメーターの定義に関するドキュメントを参照してください。

モデルのデプロイ¶

使用可能なデータを追加し、モデルが完全に定義されたら、画面上部にあるデプロイを作成をクリックします。

デプロイの作成中というメッセージが表示され、DataRobotがデプロイを作成中であることを示します。 デプロイが作成されると、概要タブが表示されます。

デプロイ名の左側にある矢印をクリックすると、デプロイインベントリに戻ります。