Business
エッジAI（モデル運用）
RapidMiner エッジAI 振動データ分析編
製造業において、RapidMiner Studioで作成した異常検知モデルや品質予測モデルなどの予測モデルを現場で推論用途として利用するケースが増えてきています。しかしながら、クラウドなどにあるサーバーへ接続するクライント数が多くなると、クラウドシステムの処理能力が著しく低下するケースがあります。また、通信環境が安定しない現場で運用する場合、クラウド上で推論し、結果を戻すのにタイムラグが生じます。
上記の問題を解決する方法の一つとして、エッジ（コンピューティング）システムが採用されています。クラウド側の過度な負荷を減らすことだけでなく、生産設備に近接して配置されているため通信環境に関わらず安定して推論を行うことができます。
本講座では、生産設備を模したNゲージ（鉄道模型）を題材として、振動データの収集・蓄積からGUIツール「RapidMiner Studio」で異常検知モデルを作成、リアルタイムでの推論結果の可視化（予測結果の表示）まで一連の流れをローコードで構築します。
こんな方におすすめです！
- エッジでのモデル運用に関心があるが、何から始めていいか分からない…
- RapidMiner Studioで機械学習モデルを作成したが、運用はエッジで行いたい
- 「センシング」→「モデル作成」→「エッジ運用」をひと通り学んでおきたい
RapidMiner MLOps（モデル運用）編
MLOpsは、Machine Learning Operations（機械学習オペレーション）の略語であり、機械学習（Machine Learning）と、運用（Operations）をあわせてできた造語です。MLOpsは、機械学習モデルを本番環境に持ち込み、機械学習モデルの維持・管理を行うことに重点が置かれています。
従来は、データの中からパターンを見つけ出したり、新たな知見を得ることで十分とされていましたが、近年は、機械学習モデルを本番環境に移行させ、保守・監視することが求められています。
本講座では、RapidMinerで作成した機械学習モデルを本番環境に移行させ、どのような指標（Metrics）を見て監視していくのか、実際にどのようにメンテナンスし、機械学習モデルの品質を維持していくのかについて演習形式でご説明しています。
こんな方におすすめです！
- 機械学習モデルをどのように本番環境に移行していけばいいか知見が十分でない方
- 運用時のイメージを明確にしたい方
- 機械学習モデルのメンテナンスを担当する可能性のある方
