AutoMLができること

AutoML（Automated Machine Learning）とはその名のとおり、機械学習の一部の手順を自動化したものです。

機械学習をビジネスに適用するにはビジネス課題の特定からシステムへの組み込み、運用まで工程が多岐にわたります。

機械学習モデルの作成には専門的な知識が必要ですが、他にもこなさなければならないビジネス上のタスクがたくさんあるため、勉強する時間がない方もいらっしゃるでしょう。

そのような方々のためにAutoMLが機械学習モデルの作成の一部を自動化してくれます。ただし、自動化される範囲はツールによって異なります。

機械学習をビジネスに組み込むまでの流れ

機械学習をビジネスに組み込むまでのかんたんな流れをまとめました。

機械学習を使うためには、まずビジネス課題を特定します。

その後システム設計を行い、いよいよ機械学習モデルの作成、機械学習モデルのシステムへの組み込み、運用と進みます。

AutoMLを使うと、機械学習モデルの作成のタスクを大幅に自動化することができます。

機械学習の専門的な知識を持たないビジネスパーソン、多数のプロジェクトを抱えていて忙しいデータサイエンティストに役立つことでしょう。

繰り返しになりますが、AutoMLは機械学習モデルの作成の部分を自動化します。

AutoMLのツール一覧

では具体的にAutoMLを使ってみましょう。

まずはツールの紹介です。

AutoMLは有償ツールと無償ツールの両方が存在します。用途に応じて選んでください。

無償ツール

• TPOT（http://epistasislab.github.io/tpot/）
• auto-sklearn（https://automl.github.io/auto-sklearn/master/）
• H2O（https://www.h2o.ai/products/h2o/）
• automl（https://cran.r-project.org/web/packages/automl/index.html）
• Auto-WEKA（https://www.cs.ubc.ca/labs/beta/Projects/autoweka/）

有償ツール

• DataRobot – DataRobot（https://www.datarobot.com/jp/）
• Microsoft – Azure Machine Learning（https://docs.microsoft.com/ja-jp/azure/machine-learning/）
• Google – Cloud AutoML（https://cloud.google.com/automl?hl=ja）
• IBM – AutoAI（https://www.ibm.com/jp-ja/cloud/watson-studio/autoai）

本シリーズでは、手軽に個人でも試せる無償ツールの使い方を説明します。

代表的なAutoMLの無償ツールの言語、OS、公式サイトを表にまとめました。

詳細は公式ページをご覧ください。

ツール名	言語	OS	公式サイト
TPOT	Python	Windows, Mac OS, Linux	http://epistasislab.github.io/tpot/
auto-sklearn	Python	Linux	https://automl.github.io/auto-sklearn/master/
H2O	Python, R他多数	Windows, Mac OS, Linux	https://www.h2o.ai/products/h2o/
automl	R	Windows, Mac OS, Linux	https://cran.r-project.org/web/packages/automl/index.html
Auto-WEKA	Weka	Windows, Mac OS, Linux	https://www.cs.ubc.ca/labs/beta/Projects/autoweka/

次回

このシリーズではPythonとR、WEKAでの操作手順を説明していきます。

次回からTPOTについて説明します。

AutoML【TPOT】の準備