2023年、データの世界はエコシステムである。組織は、ビジネス目標を達成するために、さまざまなシステム、製品、プラットフォームを使いこなさなければならない。
多くの企業が、説明性に欠ける、あるいはビジネスで実用的でないAIモデルに苦慮している。これらのモデルを非技術者にとって説明しやすく、使いやすいものにすることは極めて重要だ。さらに、これらのモデルを単一のリポジトリに集中させることで、管理と維持が容易になります。これらのモデルを外部で作成、デプロイしていたとしても、Dataikuを活用することで、これらの課題をすべて解決します。
MLFlowとの統合をベースに、「外部モデル」機能を拡張しました。既存のAWS SageMaker、Microsoft AzureML、Google VertexのAIモデルをDataikuで活用できるようになりました。
外部モデルを統合することで、従来のDataikuモデルの利点を、外部に展開されたクラウドモデルに活用することができます。説明や評価のしやすさが向上し、ビジネスユーザーが使いやすいUIで組織のクラウドモデルに簡単にアクセスできるようになるため、より広範なAI導入が可能になります。さらに、すべてのデプロイされたモデルの包括的なビューは、組織のDataikuガバナンスモデルレジストリにあります。
Dataikuは、MLOpsのライフサイクルとなるコアを提供
外部モデルの説明と検証
Dataikuのプラットフォームに外部モデルを接続することで、従来のクラウドモデルの可視化、モニタリング、ベンチマーキングを大幅に強化することができます。例えば、普遍的な機能の重要度やwhat-if分析などの説明性の機能を活用することで、クラウドモデルの挙動をより理解し、動的に検証することができます。
AWS SageMakerモデルでwhat-if分析を使用します。
Dataikuで外部モデルを使用する場合、評価レシピを使用してクラウドモデルのパフォーマンスを簡単に監視し、Dataikuで設計されたモデルやMLFlowを使用したモデルなどの他の選択肢と比較することができます。さらに、自動化されたシナリオ、メトリクス、チェックを利用して、Dataikuとクラウドモデルのパフォーマンスのベンチマークロジックを作成することができます。
Evaluateレシピを使用して、外部モデルを検証したり、Dataikuが設計したモデルと比較したりできます。
クラウドAIモデルをすべての人に普及させる
以前は、非技術系ユーザーがコードベースのモデルを利用する際に課題に直面していました。しかし、Dataikuの外部モデルを利用することで、ビジネスユーザーは導入済みのモデルを活用し、予測を実行して出力を得るプロセスを効率化することができます。スコアリングレシピと外部モデルを組み合わせることで、非技術系のDataikuユーザーは、コードベースのクラウドモデルから効率的に結果を得ることができます。
外部モデルを評価し、クラウドモデルから迅速な予測を受け取る
外部でデプロイされたモデルのMLOpsを一元管理
前述したように、DataikuはMLOpsのための組織の中心的な存在となることを目指しており、その起源に関係なく、すべてのモデルを管理・監視するためのプラットフォームを提供します。この完全な監視は、Dataiku Governのモデルレジストリで外部モデルを使用する場合、特に顕著になります。
外部モデルは、Dataiku Governのモデルレジストリから閲覧・管理可能
Dataikuで外部モデルを登録すると、他のネイティブモデルと同じように管理することができます。Dataikuは、MLFlowのシームレスな統合と外部モデルの取り込み機能により、AIに関連するあらゆるタスクのためのプラットフォームとして、すでにお客様の組織に包括的なAIソリューションを提供することをお約束します。間もなく、Dataikuのモデルはクラウド、Snowflake、Databricksなど、どこにでもデプロイできるようになり、外部システムとのシー ムレスな統合が可能になります。
一歩先へ：外部のモデルの実践
Dataikuの外部モデルに関するデモはこちらからご覧ください。
原文：Bridging the AI Divide: Revolutionizing Multi-Platform Integration With Dataiku's External Models