カスタム機械学習モデルによる予測機能

カスタム機械学習は、予測機能を提供し、システム内の既存のデータに適用するアプリケーションのロジックを向上させることで、ビジネスプロセスにおける意思決定を自動化します。事前定義されたユースケース向けに構築したモデルである認知サービスとは異なり、カスタム機械学習モデルでは実際のビジネスデータを用いたトレーニングやテストが必要となります。ラベル付けしたデータを用意し、アルゴリズムを選択してトレーニングと調整を行い、デプロイのために最適化する必要があるのです。現在、最小限のデータサイエンススキルとビジュアル開発言語のみで機械学習モデルを作成するソリューションはいくつかありますが、そのひとつがAzure MLです。OutSystemsを使用すると、アプリケーションをAzure MLテクノロジーと連携させて活用することができます。また、OutSystems Machine Learning Builderを使用することも可能です。

Azure ML

Azure MLでは、インタラクティブで視覚的なワークスペースを作成できます。これにより、構築済みの機械学習アルゴリズムを使用して、モデルを簡単に構築、テスト、デプロイすることが可能です。データセットと解析モジュールをインタラクティブなキャンバス上で接続してデプロイするだけで機械学習モデルを構築できるため、プログラミングは必要ありません。

Azure Machine Learning Studioは、OutSystemsのアプリケーションで簡単に利用できるWebサービスとしてモデルをパブリッシュしています。

Azure MLと連携するコンポーネントは現在作成中です。これらのコンポーネントにより、主なユースケースにおいてこうした機能を作成、デプロイ、連携する際の複雑さが解消されることになります。

OutSystems Machine Learning Builder

カスタムのAIや機械学習（ML）をアプリに追加すると優れたエクスペリエンスやスムーズで効率的な操作を実現できますが、データサイエンスの人材を確保する時間も手間も、なかなかかけられないのが現状です。。ML Builderを使用すると、データサイエンスの経験がない開発者でも、モデルをDevOpsと調整することなく、カスタムモデルを開発、トレーニング、デプロイ、連携、監視、改良することが可能になります。

Machine Learning Builder（ML Builder）が使いやすいのは、AIテクノロジーがすべて裏側で処理されているためです。開発者側は、以下の手順を実行するだけです。

• 開発するMLモデルの種類を選択する。
• 予測の対象と、モデルのトレーニングに使用する履歴データを選択し、［Train］をクリックする。
• モデルのパフォーマンスを分析し、ドラッグ&ドロップで簡単にOutSystemsアプリに追加する。

ML Builderについて不明な点がある場合は、こちらのFAQをご覧ください。