RapidMiner(ラピッドマイナー)は機械学習プラットフォームです。データ可視化、データ加工、モデル作成、評価、運用までを一つのプラットフォームで行うことができます。KSKアナリティクスはRapidMinerの正規販売代理店です。

マテリアルMATERIALS

カテゴリ:
中級者
キーワード絞り込み:

PDF

RapidMinerからメッセージ送信

RapidMinerからメッセージ送信イメージ

RapidMiner からMicrosoft Teams / Text Messages(SMS)へメッセージを送信する方法をご紹介します。

最近 “Communicationエクステンション”が追加されました。この拡張機能を使用することで、 AIによる重要な決定をより迅速に発信し、組織内の人へ効果的に届けることができます。ぜひご活用ください。


詳細はこちら

PDF

アナログゲージのデジタル化

アナログゲージのデジタル化イメージ

アナログゲージの情報をデジタル化する手順をご紹介します。デジタル形式で取り込むことができれば、過去の測定値および別の場所にあるゲージの測定値を必要なとき、必要な場所で表示できるようになります。また、気温や振動、その他の測定用センサーなど関連する情報を集約しアクセス可能な状態になれば、履歴データを組み合わせて予知保全のような機械学習タスクにも使用できます。


使用データとプロセスは資料に記載したリンクからダウンロードいただけます。(画像処理のエクステンション “Image Handling”を使用)ぜひご活用ください。


詳細はこちら

PDF

RapidMinerでメールの送信

RapidMinerでメールの送信イメージ

RapidMinerでメールを送信する方法をご紹介します。RapidMiner StudioとAI Hubの両方での実行方法をご説明します。活用例も掲載しておりますので、ぜひご参考ください。


詳細はこちら

PDF

テキストを用いた口コミのレーティング予測

テキストを用いた口コミのレーティング予測イメージ
テキストマイニングについて、Amazonレビューを使ったレーティング(★の数)予測を例にご紹介します。分析プロセスの設計やテキスト分析の代表的なオペレータなどをご説明しておりますので、ぜひ参考にしてみてください。
テキストマイニングを行うための拡張機能は、マーケットプレイスまたは下記WEBページからダウンロードいただけます。
https://marketplace.rapidminer.com/UpdateServer/faces/product_details.xhtml?productId=rmx_text

詳細はこちら

PDF

代表的な拡張機能の紹介 ーIn-Database Processingー

代表的な拡張機能の紹介 ーIn-Database Processingーイメージ

データベース上の処理を視覚的に行うことができる拡張機能 ”In-Database Processing Extension”をご紹介します。SQLで書く必要がなく、データ準備や前処理がより効率的に実行できます。パラメータの解説や使用方法も掲載しておりますので、ぜひご活用ください。


詳細はこちら

PDF

RapidMinerでRの実行

RapidMinerでRの実行イメージ

RapidMiner StudioとRapidMiner AI Hubで、Rを実行する方法についてご紹介します。Rは、主に統計解析やグラフィックに使用される オープンソースな言語・環境で、多様な統計手法を使用することができます。連携させることで、より高度な分析が可能になります。


詳細はこちら

PDF

代表的な拡張機能の紹介 ーDeep Learningー

代表的な拡張機能の紹介 ーDeep Learningーイメージ

”Deep Learning Extension”をご紹介します。この拡張機能は、CPUおよびGPUで実行するためのディープラーニング機能を提供しています。レイヤーの内容の編集や、CNNやRNNなども行うことができますので、ぜひお試しください。


詳細はこちら

PDF

拡張機能の紹介 ーOPC-UA Connector Extensionー

拡張機能の紹介 ーOPC-UA Connector Extensionーイメージ

新しくリリースされたOPC-UA接続のための拡張機能とその実践例をご紹介します。”OPC-UA Connector Extension”は、IoT 機器から生成された過去のデータを分析するために、RapidMinerへ読み込むための機能を提供しています。接続することによって現場レベルのデータに関する深い洞察を得ることができます。ぜひ試してみてください。


詳細はこちら

PDF

なぜ Tableau が RapidMiner ユーザーにおすすめなのか

なぜ Tableau が RapidMiner ユーザーにおすすめなのかイメージ

Tableau と RapidMiner の統合は、RapidMiner ユーザーにとってどのような影響があるのかについてご紹介します。RapidMinerで行った作業をTableauで表現し、自身の仕事のビジネスインパクトを向上させる具体的な方法に加え、なぜデータ(サイエンス)の可視化が重要なのかも見ていきます。


詳細はこちら

PDF

RapidMiner9.10リリース

RapidMiner9.10リリースイメージ

2021年8月に、RapidMinerの9.10がリリースされました。実際にお客様からご要望があったものが実装されております。主な変更点についてご紹介しておりますので、ぜひご参考にして頂ければと思います。


詳細はこちら

PDF

代表的な拡張機能の紹介 ーSensor LinkでPI Systemと連携ー

代表的な拡張機能の紹介 ーSensor LinkでPI Systemと連携ーイメージ

製造業で広く導入されているPI SystemとRapidMinerとの連携を簡単に素早く行うことができる拡張機能 “Sensor Link Extension” をご紹介します。さまざまなオペレータが収録されておりますので、PI Systemをお使いの製造業の方はぜひお試しください。


PI System:操業パフォーマンス管理に必要な情報(生産実績、品質情報、設備稼働率など)をリアルタイムに共有するシステム


詳細はこちら

PDF

利益重視の機械学習モデル評価方法〜化学メーカーを事例に〜

利益重視の機械学習モデル評価方法〜化学メーカーを事例に〜イメージ
機械学習モデルの有効性を評価するプロセスを、化学メーカーの事例を用いてご紹介します。データサイエンスの問題をコスト(円)に置き換え、状況を理解することで、最も良いビジネス上の意思決定を行うことができます。

詳細はこちら

PDF

代表的な拡張機能の紹介 ーOperator Toolboxー

代表的な拡張機能の紹介 ーOperator Toolboxーイメージ

マーケットプレイスでよくダウンロードされている拡張機能”Operator Toolbox”をご紹介します。

各オペレータにはチュートリアルが収録されており、使い方をお試しいただけます。目的に合わせて、ぜひご活用ください。

マーケットプレイスと拡張機能の利用方法はこちら▶︎


詳細はこちら

PDF

拡張機能イントロダクション ーMarketPlaceの活用ー

拡張機能イントロダクション ーMarketPlaceの活用ーイメージ

RapidMiner Studioの機能を最大限活用するための、マーケットプレイスと拡張機能の利用方法をご紹介します。

無料の拡張機能をインストールすることで、レコメンデーションなどより高度な分析ができます。さらに、オープンソースの統計分析ソフトRやプログラミング言語Pythonなどを呼び出して使うこともできます。(一部有償の拡張機能あり)

拡張機能を利用することで、目的に合ったRapidMinerにカスタマイズしさらにご活用いただけます。


詳細はこちら

PDF

RapidMiner vs KNIME

RapidMiner vs KNIMEイメージ
ビジュアルワークフロー型のデータ分析プラットフォーム
RapidMinerとKNIME(ナイム)について、提供しているサービスに焦点を当て比較しております。RapidMiner製品・サービスの特徴もまとめてご紹介しておりますので、ぜひご覧ください。

詳細はこちら

PDF

プラットフォーム セキュリティ

プラットフォーム セキュリティイメージ
データを最大限に活用するために、組織でデータを扱う安全なプロセスを確立する必要があります。本資料では、RapidMinerプラットフォームのセキュリティについてご紹介します。セキュリティインフラにより、コンプライアンスを気にする時間を減らし、データから実用的な知見を得る時間を増やすことができます。
組織でデータ分析を行い活用をされる方はぜひご覧ください。

詳細はこちら

PDF

自動化特徴量エンジニアリングの RapidMinerプロセスでの実装

自動化特徴量エンジニアリングの RapidMinerプロセスでの実装イメージ

機械学習モデルの出来はビジネスに大きな影響を与えており、モデルの改善策の一つとして「特徴量エンジニアリング」があります。しかし、データサイエンスや業務知識が必要とされ活用が難しいとされています。

本資料では、特徴量エンジニアリングを簡単に取り入れることができる”AutomaticFeatureEngineering”の使い方をご紹介いたします。ぜひご覧ください。

(”AutomaticFeatureEngineering”は有償オペレータとなっております。)


詳細はこちら

PDF

Python Transformerを利用したカーネル密度分布の作成

Python Transformerを利用したカーネル密度分布の作成イメージ

散布図はデータ間の関係性を視覚的に把握する際に役立ちますが、プロットされる点の数が多くなるほど把握しづらいという問題点があります。カーネル密度推定の手法を使うことで、データ全体の傾向をより読み取りやすくなります。

本資料では、Python Extensionを用いて、カーネル密度推定による可視化機能を実装いたします。下記からプロセスをダウンロード頂けますので、お手元のRapidMinerで再現頂けます。

https://ksk-anl.smktg.jp/public/file/document/download/1586


詳細はこちら

RapidMiner製品評価Q&Aシート

RapidMiner製品評価Q&Aシートイメージ

RapidMinerの製品仕様や機能面などの基本的な部分についての139個の質問に対する回答集です。データの読み込みや前処理において、どのような手法が利用できるか、このアルゴリズムはサポートされているか、など、ツールの導入検討をされる際に、気になる項目は多々あるかと思いますので、まずはこちらの資料をご一読いただき、記載されていない、あるいは読んでもなおご不明な点につきましては、弊社にご連絡いただけますと幸いです。


資料ダウンロードにつきましては、下記URLよりダウンロードお願い致します。


https://ksk-anl.smktg.jp/cc/0x1QT1W7


詳細はこちら

PDF

RapidMinerとPython連携

RapidMinerとPython連携イメージ

RapidMinerのようなGUIの機械学習ツールは、PythonやRといったコーディングでの機械学習と対比されることが多いのですが、RapidMinerではPythonとの連携を積極的に推し進めています。何故なら、RapidMinerとPythonはそれぞれに一長一短があり、関係はライバルではなく、パートナーのようなものだからです。RapidMinerだけでは足りない部分をPythonが埋めてくれ、Pythonでは手の届かない部分をRapidMinerがカバーしています。


Ver9.9へのアップデートでRapidMinerとPythonの連携はさらに強固になりました。新しいExcute Pythonオペレーターと、Customオペレーターを使うことで、PythonユーザーとRapidMinerユーザーは同一環境でデータ分析を行うことが容易になります。


本資料では二つのオペレーターの使い方を細かく実例付きでご紹介いたしますので、RapidMinerユーザーだけでなく、Pythonユーザーの方も是非ご覧ください。


詳細はこちら

PDF

RapidMiner9.9リリース

RapidMiner9.9リリースイメージ

先般、RapidMinerの9.9がリリースされました。それに合わせてStudioやAI-Hubに関する変更点についてRapidMiner社のリリースノートを日本語訳致しました。RapidMinerのバージョンアップについて、ご不明なことがございましたら、こちらをご参考にして頂ければと思います。


詳細はこちら

PDF

RapidMinerとGrafanaの連携

RapidMinerとGrafanaの連携イメージ

RapidMiner AI-HubにはGrafanaが付属しており、RapidMinerと連携させることで、インタラクティブで動的なダッシュボードを簡単に作成することが出来ます。ダッシュボードによって、可視化が出来るだけでなく、リアルタイムモニタリング等にも活用でき、予測分析の効果や質の低下を防いだり、より効果を向上させたりといった活用が可能です。


本資料では、RapidMiner AI-HubとGrafanaの連携方法や、ダッシュボードの作成方法をご紹介しますので、既にAI-Hubを導入されている方や導入を検討している方は是非、ご覧ください。


詳細はこちら

PDF

RapidMiner Radoopでビックデータ分析

RapidMiner Radoopでビックデータ分析イメージ

ビックデータを使った分析を行おうとした時に、課題として挙がってきやすいこととして、コンピュータ性能の拡張や複数のコンピュータでの分散処理などがあります。金銭的にせよ時間的にせよ、どれもコストが掛かってしまいやすく、乗り越えられないままビッグデータ分析が暗礁に乗り上げてしまうこともあります。


RapidMiner Radoopなら、Apache Hadoop とSpark とHiveを使って、コード無しの分散型機械学習を簡単に実装出来ます。本記事ではそんなRapidMiner Radoopの概要についてご紹介しますので、ビッグデータ分析に興味がお有りの方は一度、ご覧ください。


詳細はこちら

PDF

機械学習モデルの説明性

機械学習モデルの説明性イメージ

Explainable AIという言葉が使われるようになってきましたように、ただ予測結果を手に入れるのではなく、その予測内容の理由やどの説明変数が精度に影響を与えているのかまで知ることが求められるようになっています。予測内容が理解できなければ、改善の方法も考えられませんので、当然のことと言えます。


しかし、一般に機械学習モデルの予測精度と説明可能性はトレードオフの関係になることが多く、説明可能性を高めようとすると、予測精度が落ちてしまうことが多々あり、どちらを取るべきか悩まれた方もいるかもしれません。


RapidMinerでは、その双方を得るべく新しい拡張機能(Extension)をリリースしました。本資料では説明可能性の低いモデルでも、解釈がしやすくなる”Interpretation”の使い方をご紹介します。資料内で使用しているデータ、プロセス、エクステンションのファイルを下記からダウンロード頂けますので、お手元のRapidMinerで再現頂けます。


https://ksk-anl.smktg.jp/cc/0x1QT1Gf


詳細はこちら

PDF

Deployment機能紹介

Deployment機能紹介イメージ

RapidMinerで良いモデルが出来上がりましたら、次はモデル運用を始めて、効果を上げていきたいところですが、一口に運用といっても簡単ではありません。より精度の高まるよう新たな処理やアルゴリズムを試したり、モデルが学習時と同じ精度を出せているか随時確認したりと、運用時の苦労は、作成の時とそう変わらないものがあるかもしれません。


しかし、RapidMiner Studio Enterpriseにはそんな運用を楽に実行できるDeployment機能があります。RapidMiner Studioだけで使うことが出来るのでローカル環境でも運用管理が可能です。モデルの状態や推移をグラフで簡単に確認出来る他、しきい値を超えた時にアラートを出すことも可能です。


本資料ではRapidMiner Studio EnterpriseでのDeployment機能の使い方を紹介します。


詳細はこちら

PDF

AutoModelのオートクリーニングを再現

AutoModelのオートクリーニングを再現イメージ

有償版機能のAutoModelとTurboPrepには自動で特徴量の内容を集計し、IDと思われるものや相関が高すぎるものといった、分析に悪影響を及ぼす可能性がある特徴量を見つけてくれる”Quality Measures”機能があります。非常に便利な機能ですので、有効に活用されている方も多いと思います。


今回はそんな”Quality Measures”機能をAutoModelやTurboPrep無しに、通常のプロセスに組み込む方法をご紹介します。AutoModelなどで使う時と違い、より自分好みに制御出来ますので、もっと使いこなしたい方は是非お試しください。


詳細はこちら

PDF

目的変数最適化へのアプローチ

目的変数最適化へのアプローチイメージ

予測モデルの作成は、次に何が起きようとしているのかを予測するのに役立ちます。適切な方法を用いれば、なぜそれが起きるのか原因を理解することもできる場合があります。


しかし、何が起こるのか、なぜ起こるのかだけでは、意思決定を行うには十分とは言えません。意思決定を行うためには、結果を変更するためにどのパラメーターをどれくらいにすれば所望の値に近づけるのかを知る必要があります。それを実現できるのがRapidMinerの最適化オペレーター(Prescriptive Optimizer)です。


本資料では、目的変数と制御可能な変数、制約がある変数を組み込んだモデルを作成し、最適化を実行します。資料内で使用しているデータと作成したプロセスのサンプルは下記URLよりダウンロード出来ます。


https://ksk-anl.smktg.jp/cc/0x1QT1Av


詳細はこちら

PDF

AutoModel実行のためのガイド

AutoModel実行のためのガイドイメージ

RapidMinerを使い始めたばかりの方でも、使い慣れた方でも、Auto Modelを使うことで機械学習の活用を一気に加速させることができます。Auto ModelはRapidMiner Studioの拡張機能で、モデルの構築と検証のプロセスを備わっています。何より優れているのは、AutoModelで作成した予測モデルを自分自身で修正することができる点です。運用(deployment)も容易にできます。


Auto Modelは、教師あり学習教師なし学習外れ値検出の3つの大きな問題に対応しております。


このガイドでは、RapidMinerのAutoModelについて説明を行なっております。チュートリアル形式でご自身で手を動かして頂きながらAutoModelを試して頂くことが可能です。


詳細はこちら

PDF

機械学習のための特徴量最適化

機械学習のための特徴量最適化イメージ

特徴量選択を実施することで、機械学習モデルを大幅に改善できます。

特徴量選択について 知っておくべきことをすべて概説しています。

なぜ特徴量選択が重要なのか、そして特徴量選択がなぜ難しい問題なのかを説明します。

また、特徴量選択を行うために使用されているさまざまなアプローチについて実例をもとに詳しく解説します。


詳細はこちら