データブリックス、レイクハウス向けリアルタイム機械学習の新機能を提供
今回は「データブリックス、レイクハウス向けリアルタイム機械学習の新機能を提供」についてご紹介します。
関連ワード (ビッグデータ等) についても参考にしながら、ぜひ本記事について議論していってくださいね。
本記事は、ZDNet Japan様で掲載されている内容を参考にしておりますので、より詳しく内容を知りたい方は、ページ下の元記事リンクより参照ください。
Databricksは3月7日、同社が提供するレイクハウス基盤内でネイティブに運用できる機械学習機能「データブリックスモデルサービング」の提供を開始した。
データブリックスモデルサービングは、機械学習などを用いたインテリジェントなアプリケーション用の複雑なインフラを構築・維持する煩雑さを解消し、「Unity Catalog」「Feature Store」「機械学習 flow」といったレイクハウス基盤内の各機能と統合されている。これにより、データの準備やテストからモデルのトレーニング、デプロイメント、モニタリングに至るまで、機械学習プロセス全体を一元的に管理できるとしている。現在は「Amazon Web Services」(AWS)と「Microsoft Azure」で利用可能となっている。
Databricksによると、生成型AIを取り巻く環境が大きく変化する中、企業にとってはAIへの優先投資が喫緊の課題になっている。AIや機械学習を活用することで、企業はデータからインサイトを発見し、ビジネスに新たな価値をもたらす正確な予測を即座に行い、AI主導の新しい顧客体験の提供を推進できる。
例えば、銀行はAIを活用することで、顧客の口座に対する不正請求を迅速に特定して対処したり、小売業者は顧客の購入履歴に基づいて商品を即座に提案したりできるようになる。しかし、こうしたリアルタイムな機械学習システムの導入には、需要に応じて動的に拡張できるインフラを設計・維持するなど負担が大きく、多くの企業にとって課題になっているという。
Databricksの共同設立者でエンジニアリング担当バイスプレジデントのPatrick Wendell(パトリック・ウェンデル)氏は、「データブリックスモデルサービングの機能は、デプロイメントの簡素化、オーバーヘッドの削減、レイクハウス基盤内でのシームレスな体験を提供する。顧客がより多くのモデルをより短い時間で本番環境に導入するのに役立つ。それと同時に、顧客が複雑なインフラを維持する負担と比べて、総保有コスト(TCO)を削減できると考えている」とコメントした。