Action Bagelは人工知能技術を組み合わせてインテリジェントな分析エンジンを作成します

[51CTO.com からのオリジナル記事] インターネットの継続的な更新と反復により、ネットワーク データは飛躍的に増加し、すべての業界が膨大な量のデータを処理するプレッシャーに直面しています。人間が大量のデータをうまく計算・分析できない場合、ビッグデータ分析が生まれます。

ビッグデータ分析の現状

ビッグデータ関連のインフラストラクチャ、サーバー、ソフトウェア システム、理論システムの継続的な発展により、ビッグデータ分析のソリューションは徐々に成熟し、普及しつつあります。ビッグデータ技術の反復的なアップデートにより、セルフサービスおよび自動化された情報サービスの需要も高まっています。業界には使いやすいビッグデータ分析ツールや関連ソリューションが数多く存在しますが、基本的な通信技術や情報処理に関する専門知識は依然として厳しい要求となっています。

データ分析における特徴エンジニアリング

大規模なデータ分析のプロセスでは、特徴エンジニアリングが重要な役割を果たします。特徴エンジニアリングとは、機械学習アルゴリズムやモデルで特徴（データから抽出された、結果を予測するのに役立つ情報）をより効果的に機能させるプロセスです。このプロセスでは、多くの場合、データ サイエンティストが最適な特徴の組み合わせを手動で見つける必要があるため、効果と効率には一定の制限があります。自動特徴エンジニアリングが登場する前は、この時間がかかり困難なタスクを完了するには人間の経験が必要でした。

自動特徴結合法

自動特徴エンジニアリングの適用により、手動の経験不足や自動特徴の組み合わせの煩雑さが原因で効果的な特徴をタイムリーに発見できないという問題が解決されました。現在、業界で機械学習が自動特徴エンジニアリング問題を研究する場合、暗黙的な特徴の組み合わせ、半明示的な特徴の組み合わせ、明示的な特徴の組み合わせという 3 つの方向に主に焦点を当てています。

次の表では、利点と欠点を比較しています。

暗黙的特徴結合、半明示的特徴結合、明示的特徴結合の利点と欠点の比較

AIはデータ分析を強化し、技術的な障壁を克服します

従来の特徴エンジニアリングの非効率性と複雑さに対応するため、台湾の米国企業であるMoBagel（以下、MoBagel）は、シンプルで使いやすいAI予測ツールであるDecanterという独自のソリューションを考案しました。Decanterは、MoBagelが独自に開発した自動機械学習エンジンです。136の機械学習アルゴリズム（ディープラーニングアルゴリズムを含む）を組み合わせて、自動モデリングと最適化を行います。大量のデータとビジネス目標を持つ企業向けに、何千ものアルゴリズムの組み合わせの中から最適なモデルを見つけ出し、正確でリアルタイムの予測分析サービスを提供します。 Decanterは主に、自動データクリーニング、特徴エンジニアリング、予測モデルの構築と調整という3つの機能を提供し、データ分析と予測をシンプル、正確、高速にします。同時に、全自動機械学習（AutoML）を企業に導入し、業界のニーズを満たすAIモジュールを構築します。

Action BagelのCTOである林兆安氏はインタビューで、Action Bagelが単独で市場を開拓するのと比べて、第11回北京マイクロソフトアクセラレーターに参加した後、Action Bagelはより強力なリソースの優位性と影響力を持っていると述べました。また、多くの卒業生企業の協力と、北京マイクロソフトアクセラレーター自体の市場浸透と人気により、Action Bagelはより広い市場開発とレイアウトを迅速に展開することができます。