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:
マネージャー層
キーワード絞り込み:

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

食品・飲料業界におけるデータ分析の使用例トップ6

食品・飲料業界におけるデータ分析の使用例トップ6イメージ

RapidMinerはドイツで始まっており、ドイツ政府などの公的な組織からの助成金プロジェクトとの関わりも深く、ドイツの名物であるビールとの関係性も非常に深くなっています。ビール醸造におけるデータ分析は同じ食品・飲料業界の方々は勿論、製造業の方々にとっても近しい話題が多くなっています。


本資料では、RapidMiner社がこれまでビール醸造会社とデータ分析を取り組んできた経験の中でもビジネスインパクトの高かった6つの事例をご紹介致します。こちらで紹介している事例と同じ課題・お悩みを抱えていらっしゃる方は、是非一度弊社へお問い合わせください。


詳細はこちら

PDF

製造業におけるAlと機械学習技術のインパクト

製造業におけるAlと機械学習技術のインパクトイメージ

RapidMinerの共同創設者兼研究責任者であるRalf Klinkenberg氏に製造業での機械学習やAIの注目点や導入の課題、将来像を話していただいたインタビュー記事を日本語訳・追記しました。


製造業における機械学習やAIのトレンド、昨今の新型コロナによるパンデミックの影響など2021年現在の状況も踏まえてお話しいただいておりますので、まさに現在、機械学習やAIに携わろうとしている製造業の方にご覧頂きたい内容となっております。


詳細はこちら

PDF

【マネージャー向け】組織の為のデータ分析アップスキル

【マネージャー向け】組織の為のデータ分析アップスキルイメージ

データ分析、機械学習において「アップスキル」という言葉やそれに近い言葉をお聞きになったことがある方は多いのではないでしょうか。しかし、このアップスキルに難航して、組織の中でのデータ分析や機械学習の活用に苦労されたり、挫折されたりされる例が珍しくありません。逆に言えば、組織でのアップスキルに成功されている企業の多くはデータ分析の導入においても成功を収めていると言えます。


また、アップスキルが誤解されていることも時折、見受けられます。アップスキルとは一時的なものではありませんし、特定の誰かだけがしなければいけないものではなく、関わる全ての人が持続的に行っていくものです。


本資料では、改めて正しいアップスキルについてご紹介し、組織においてなぜ重要なのかご説明しますので、データ分析や機械学習を組織の中に根付かせたいDX推進の方やマネージャーの方は、是非ご理解いただきたい内容となっております。


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

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

機械学習モデル構築時の Python とRapidMiner の⽐較

機械学習モデル構築時の Python とRapidMiner の⽐較イメージ

機械学習の目的は人間の手を介さずにコンピュータがデータから自動的にパターンを学習させることです。機械学習の構築方法は大まかに分けて、PythonやRといったプログラミング言語での構築と、GUI(グラフィカル ユーザー インターフェース)ツールでの構築との二つがあります。


本資料では実際にPythonとRapidMiner、それぞれで同じデータセットから機械学習モデルを作成してみることで、それぞれの違いについてご紹介します。これから機械学習を進めていこう、という時に、どちらを選ぶべきか考える際の参考として頂ければ幸いです。


詳細はこちら

PDF

PythonとRapidMinerのjupyternotebook統合

PythonとRapidMinerのjupyternotebook統合イメージ

機械学習はこれまでPythonやRといったプログラミング言語を利用することが主流となっており、GUIツールを使うことはそれに対抗するイメージで考えられていました。しかし、機械学習を業務に適用し、企業として活用するためには、それぞれどちらかだけでなくハイブリッドに利用していくことが有効な手段となります。


RapidMinerは、PythonやRを機械学習を共に進めていくツールと考え、これらによって作成されたモデルやスクリプトとの連携を強化しています。そのため、PythonやRでの機械学習に精通したデータサイエンティストと、ドメイン知識が豊富なエンジニアがRapidMinerを通じて連携してプロジェクトに参加することが可能になっています。


本資料では、RapidMinerとPython、Rの統合の概要について、紹介しております。


詳細はこちら

PDF

動画

現場を巻き込むものづくりデータサイエンスの進め方

現場を巻き込むものづくりデータサイエンスの進め方イメージ

データ分析は日本企業にも浸透し始めておりますが、一方で組織内での推進に課題やお悩みを抱えている企業も少なくありません。データ分析の効果的な活用には、組織体制自体を従来の形から見直す必要があります。


当社では、データ分析推進に適した組織として、CoE(Center of Excellence)モデルを推奨しております。データ分析担当部署や担当者だけでなく、現場も関わる形のデータ分析推進を行うことで、活用の拡大、効果の向上を図ることが出来ます。本動画及び資料ではCoEモデルの説明と進め方、そしてCoE推進に役立つデータ分析の総合プラットフォーム「RapidMiner」をご紹介します。


社内でのデータ分析の活用・推進にお困りの方は是非一度ご覧ください。


詳細はこちら

PDF

RapidMiner連携ソリューション

RapidMiner連携ソリューションイメージ

RapidMinerは分析業務を行う人にとってはノンプログラミングで使える非常に便利なツールです。画面もわかりやすいので様々な方にご評価いただき、導入が進んでおります。しかし、分析業務ではなく、現場業務を行う現場担当者にとってはそれでも画面が複雑、という意見も頂いておりました。


そこで現場運用のためのUI画面の開発をご提案いたします。現場の方がRapidMinerを意識することなく、分析担当者の方が作られた分析プロセスを実行することができるようにすることで、社内での機械学習、RapidMinerの推進・活用の足並みを揃え、効果を向上させることが可能です。


本資料では、画面イメージやシステム構成イメージをご紹介させて頂きます。


 


詳細はこちら

PDF

【各業界向け】RapidMinerユースケース集

【各業界向け】RapidMinerユースケース集イメージ

全世界でご愛用いただいておりますRapidMinerが、どのような事案でどのような効果を生んでいるのか、今回は製造業以外の金融業界や医療業界、小売業など広範な業界の事例をご紹介いたします。


各業界ごとにまとまっておりますので、ご自身の業界をご覧いただくのは勿論のこと、他業界の事例もご覧いただきますと、ご活用のバリエーションが広がります。


それぞれの課題や方法、効果、問題の概要を端的にまとめておりますので、ご興味のある内容を一目で確認頂けます。


詳細はこちら

PDF

【製造業向け】RapidMinerユースケース集

【製造業向け】RapidMinerユースケース集イメージ

全世界でご愛用いただいておりますRapidMinerが、どのような事案でどのような効果を生んでいるのか、

今回は製造業における実際の事例を使ってご紹介いたします。


それぞれの課題や方法、効果、問題の概要を端的にまとめておりますので、

ご興味のある内容を一目で確認頂けます。


詳細はこちら

動画

RapidMiner Goイントロダクション

RapidMiner Goイントロダクションイメージ

新製品RapidMiner Goはダウンロード不要の100%Webブラウザで使用できるAutoMLツールです。


数分でモデルが作成でき、内容の可読性も高いため、機械学習の知識に明るくない方でも機械学習の結果をビジネスに生かすことが出来ます。ドメイン知識に詳しい方々自身の手でビジネスインパクトの大きい問題、そしてその効果を確認出来ますので、より大きなビジネスインパクトにつながります。RapidMiner Goは皆さまとデータサイエンティストを橋渡しして繋いでくれます。


今回はそんなRapidMiner Goのイントロダクションを動画にてご紹介いたします。製品情報ページからも詳細ご覧いただけますので、是非ご確認ください。


https://www.rapidminer.jp/rapidminer-go/


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

機械学習のプロジェクト成功のためのガイド

機械学習のプロジェクト成功のためのガイドイメージ

本資料は、「RapidMiner_Humans-Guide-ML」を⽇本語訳したものです。

著者はMartin Schmitz, PhD(RapidMiner社のデータサイエンスサービスの責任者)です。

本資料では、ビジネス上の問題に対する AI・ 機械学習ソリューションの理解、取り組み⽅法、運⽤を⽀援することを⽬的として、過去10年の間に開発してきたアプローチについて説明されています。

機械学習プロジェクトに関する最初の数時間の社内ディスカッションのガイドとして活⽤できるように作成されています。


詳細はこちら