マテリアルMATERIALS

2024.0のリリースに伴い、資料を更新いたしました。

本資料では、アルテアのManagedライセンスを使用する方法についてご説明しております。

2024.0のリリースに伴い、資料を更新いたしました。

本資料では、⾃社でライセンスサーバーを⽴て、オンプレミスサーバーでアルテアライセンスを適用する⽅法についてご説明しております。

Altair AI Studio 2024.0がリリースされました。

RapidMiner StudioからAltair AI Studioへリブランドされ、複数バージョンインストールが可能になりました。Interactive Analysisでは数値ラベル対応やツリー編集、ノード分布表示など新機能が追加され、ログ機能も改善されました。より使いやすく、強力なAI分析プラットフォームとなっています。

Altairライセンスサーバーのログを取得・解析する方法を解説した資料です。

本資料では、Managedライセンスとオンプレミスの場合に分けて、ログの取得方法を解説します。さらに、ログ解析用Parserツールの使い方や、解析結果の見方を詳しく解説しております。使用日時、Feature名、ユニット数、ユーザー名など、様々な情報からライセンス使用状況を把握し、管理の効率化やコスト削減に役立てていただけますと幸いです。

RapidMinerとSFTPサーバーとの接続についてご説明します。RapidMiner Studio、AI HubからSFTPサーバーへの読み込み、書き込みができるようになることをゴールとした資料になります。ぜひご参考にしてください。

SFTP（SSH・ファイル・トランスファ・プロトコル）サーバー：インターネット上で安全にファイルを送受信する仕組み。SSHによる暗号化・認証化を行い、安全にファイル間で送受信することが可能になる。

RapidMinerとSMBサーバーとの接続方法についてご説明します。RapidMiner Studio、AI HubからSMBサーバーへの読み込み、書き込みができるようになることを本資料のゴールとしています。ぜひご参考にしてください。

SMBサーバー：ネットワーク上でファイルの共有などを行うための通信プロトコル

⾃社でライセンスサーバーを⽴てる方法、オンプレミスサーバーでアルテアライセンスを適用する⽅法についてご説明します。

RapidMiner Studio ver10.2になり、GUI画面が追加されてアルテアライセンスの使用が楽になりました。環境変数を入力する必要もありません。

既にver10.1でアルテアライセンスを利用されている場合は、起動時にライセンスを選択する画面は表示されず、そのままver10.1時に使用していたアルテアライセンスでRapidMinerを使用できます。

RapidMiner Studio ver.10.2にアルテアのManagedライセンスを適用する方法についてご説明します。

RapidMiner Studio ver10.2になり、GUI画面が追加されてアルテアライセンスの使用が楽になりました。環境変数を入力する必要もありません。

既にver10.1でアルテアライセンスを利用されている場合は、起動時にライセンスを選択する画面は表示されず、そのままver10.1時に使用していたアルテアライセンスでRapidMinerを使用できます。

RapidMiner Studio ver.10.1にアルテアのManagedライセンスを適用する方法についてご説明します。Managedライセンスが主流となっておりますが、ライセンスサーバーがオンプレミスの場合は、別資料(オンプレミスサーバーの利用)をご覧ください。

Ver10.1より、RapidMinerはアルテアライセンスで動作するようになりました。Managedライセンスは、インターネット経由で動作し、日本国内であれば場所を問わずライセンスの利用が可能です。

本資料では、管理者側(ライセンス契約の代表者様)とユーザー側の操作・設定についてご確認いただけます。

⾃社でライセンスサーバーを⽴てる方法、オンプレミスサーバーでアルテアライセンスを適用する⽅法についてご説明します。

Ver10.1より、RapidMinerはアルテアライセンスで動作するようになりました。 RapidMiner Studioでは、基本的に20 Unitsを使用します。

本資料では、ライセンスの申請からサーバーの立て方、OS別の設定方法などをご確認いただけます。

SnowflakeとRapidMinerとの接続についてご説明します。Snowflakeは、企業のデータ活用プロセスをシンプルにするクラウドデータプラットフォームで、多くの企業に活用されています。

本資料では、RapidMiner Studio、AI HubからSnowflakeへの読み込み/書き込み/更新 をするための方法を記載しております。使用するRapidMinerのバージョンによって少し手順が異なるため、Ver10以降とVer9.x以前のバージョンの順でご説明します。Snowflakeからデータを取得し、価値ある知見を得られる一助となれば幸いです。

SQL ServerとRapidMinerとの接続についてご説明します。

RapidMiner Studio、AI HubからSQL Serverへの 読み込み/書き込み/更新 をするための方法を記載しております。接続方法については、他のデータベースでも基本的な流れは同様です。ぜひご活用ください。

今、データサイエンティストに対する需要は供給を大きく上回っており、彼らの中には、現在の組織に不満があれば去っていく人もいます。本資料では、データサイエンティストが辞める原因について探っていきます。どのように改善していけば良いか、その手助けとなる内容も掲載しております。ぜひご覧ください。

RapidMiner からMicrosoft Teams / Text Messages(SMS)へメッセージを送信する方法をご紹介します。

最近 “Communicationエクステンション”が追加されました。この拡張機能を使用することで、 AIによる重要な決定をより迅速に発信し、組織内の人へ効果的に届けることができます。ぜひご活用ください。

RapidMinerのインフラが最高水準のエンタープライズセキュリティの維持にどのように役立っているかを詳しく見ていきます。マルチテナントセキュリティ、ユーザーレベルセキュリティ、インフラストラクチャセキュリティ、そして顧客のデータ管理に対するRapidMinerのポリシーにより、お客様がガバナンスとコンプライアンスに気を取られる時間を減らし、データからアクション可能な知見を得る時間を増やす方法を探っていきます。

RapidMiner導入のポイント

本資料では、データサイエンスプロジェクトにおける課題を詳しく見て、スキルアップに焦点を当てた戦略と適切なプラットフォームの組み合わせにより、より迅速かつ持続可能な成果を得る方法をご説明します。データサイエンス プラットフォームの選定にあたり、必要な機能のチェックリストなども提供しておりますので、ぜひご参考にしてください。

RapidMinerのアーキテクチャを2ページにまとめております。構造の理解にお役立てください。

RapidMinerは、異なるデータソースをセキュアに統合し、AI技術を使用するプロセスを簡素化して豊かなインサイトを生み出します。RapidMinerのオープンソースカーネルと柔軟なフレームワークは、アプリケーション、データソース、システム、コーディング言語、機械学習ライブラリ、クラウ ド技術に対して幅広いサポートを提供しています。

RapidMiner創業者兼CTOのIngo氏が、現在のAIと機械学習トレンドTOP5を予想した記事です。データサイエンスの分野では、より論理的で説明可能なものへ大きく進んできました。2022年以降に注目すべきAIトレンドとして、データサイエンスの自動化、DSMLマーケットの二分化、ローコードの許容、環境AIの登場、コンピュータービジョンを挙げています。また、それらが今後数年間のデータサイエンスにどう影響を与えるかを予想し説明しています。

Tableau と RapidMiner の統合は、RapidMiner ユーザーにとってどのような影響があるのかについてご紹介します。RapidMinerで行った作業をTableauで表現し、自身の仕事のビジネスインパクトを向上させる具体的な方法に加え、なぜデータ（サイエンス）の可視化が重要なのかも見ていきます。

2021年8月に、RapidMinerの9.10がリリースされました。実際にお客様からご要望があったものが実装されております。主な変更点についてご紹介しておりますので、ぜひご参考にして頂ければと思います。

製造業で広く導入されているPI SystemとRapidMinerとの連携を簡単に素早く行うことができる拡張機能 “Sensor Link Extension” をご紹介します。さまざまなオペレータが収録されておりますので、PI Systemをお使いの製造業の方はぜひお試しください。

PI System：操業パフォーマンス管理に必要な情報（生産実績、品質情報、設備稼働率など）をリアルタイムに共有するシステム

データサイエンスのプラットフォームを選択する際に確認すべきことの1つである、RapidMiner利用者の口コミ情報をご紹介します。調査会社 Gartner社による調査結果と国内ユーザーからのRapidMinerに対する評価を整理しております。

データサイエンスは、競争力を高めるための最も重要な要素として急速に普及しています。調査結果からも今すぐデータサイエンスを活用した DX 戦略を着手する必要性が示唆されています。

競争力向上と投資の鍵は何か、企業の内部と外部の両方にプラスの影響を与える　包括的なデータサイエンスプラットフォームの必要性などについてご紹介します。DX推進の方やマネージャーの方にぜひご覧いただきたい内容になっています。

ビジュアルワークフロー型のデータ分析プラットフォーム

RapidMinerとKNIME(ナイム)について、提供しているサービスに焦点を当て比較しております。RapidMiner製品・サービスの特徴もまとめてご紹介しておりますので、ぜひご覧ください。

データを最大限に活用するために、組織でデータを扱う安全なプロセスを確立する必要があります。本資料では、RapidMinerプラットフォームのセキュリティについてご紹介します。セキュリティインフラにより、コンプライアンスを気にする時間を減らし、データから実用的な知見を得る時間を増やすことができます。

組織でデータ分析を行い活用をされる方はぜひご覧ください。

RapidMinerの製品仕様や機能面などの基本的な部分についての139個の質問に対する回答集です。データの読み込みや前処理において、どのような手法が利用できるか、このアルゴリズムはサポートされているか、など、ツールの導入検討をされる際に、気になる項目は多々あるかと思いますので、まずはこちらの資料をご一読いただき、記載されていない、あるいは読んでもなおご不明な点につきましては、弊社にご連絡いただけますと幸いです。

資料ダウンロードにつきましては、下記URLよりダウンロードお願い致します。

https://ksk-anl.smktg.jp/cc/0x1QT1W7

RapidMinerはドイツで始まっており、ドイツ政府などの公的な組織からの助成金プロジェクトとの関わりも深く、ドイツの名物であるビールとの関係性も非常に深くなっています。ビール醸造におけるデータ分析は同じ食品・飲料業界の方々は勿論、製造業の方々にとっても近しい話題が多くなっています。

本資料では、RapidMiner社がこれまでビール醸造会社とデータ分析を取り組んできた経験の中でもビジネスインパクトの高かった6つの事例をご紹介致します。こちらで紹介している事例と同じ課題・お悩みを抱えていらっしゃる方は、是非一度弊社へお問い合わせください。

RapidMinerの共同創設者兼研究責任者であるRalf Klinkenberg氏に製造業での機械学習やAIの注目点や導入の課題、将来像を話していただいたインタビュー記事を日本語訳・追記しました。

製造業における機械学習やAIのトレンド、昨今の新型コロナによるパンデミックの影響など2021年現在の状況も踏まえてお話しいただいておりますので、まさに現在、機械学習やAIに携わろうとしている製造業の方にご覧頂きたい内容となっております。

データ分析、機械学習において「アップスキル」という言葉やそれに近い言葉をお聞きになったことがある方は多いのではないでしょうか。しかし、このアップスキルに難航して、組織の中でのデータ分析や機械学習の活用に苦労されたり、挫折されたりされる例が珍しくありません。逆に言えば、組織でのアップスキルに成功されている企業の多くはデータ分析の導入においても成功を収めていると言えます。

また、アップスキルが誤解されていることも時折、見受けられます。アップスキルとは一時的なものではありませんし、特定の誰かだけがしなければいけないものではなく、関わる全ての人が持続的に行っていくものです。

本資料では、改めて正しいアップスキルについてご紹介し、組織においてなぜ重要なのかご説明しますので、データ分析や機械学習を組織の中に根付かせたいDX推進の方やマネージャーの方は、是非ご理解いただきたい内容となっております。

先般、RapidMinerの9.9がリリースされました。それに合わせてStudioやAI-Hubに関する変更点についてRapidMiner社のリリースノートを日本語訳致しました。RapidMinerのバージョンアップについて、ご不明なことがございましたら、こちらをご参考にして頂ければと思います。

Explainable AIという言葉が使われるようになってきましたように、ただ予測結果を手に入れるのではなく、その予測内容の理由やどの説明変数が精度に影響を与えているのかまで知ることが求められるようになっています。予測内容が理解できなければ、改善の方法も考えられませんので、当然のことと言えます。

しかし、一般に機械学習モデルの予測精度と説明可能性はトレードオフの関係になることが多く、説明可能性を高めようとすると、予測精度が落ちてしまうことが多々あり、どちらを取るべきか悩まれた方もいるかもしれません。

RapidMinerでは、その双方を得るべく新しい拡張機能（Extension）をリリースしました。本資料では説明可能性の低いモデルでも、解釈がしやすくなる”Interpretation”の使い方をご紹介します。資料内で使用しているデータ、プロセス、エクステンションのファイルを下記からダウンロード頂けますので、お手元のRapidMinerで再現頂けます。

https://ksk-anl.smktg.jp/cc/0x1QT1Gf

RapidMinerで良いモデルが出来上がりましたら、次はモデル運用を始めて、効果を上げていきたいところですが、一口に運用といっても簡単ではありません。より精度の高まるよう新たな処理やアルゴリズムを試したり、モデルが学習時と同じ精度を出せているか随時確認したりと、運用時の苦労は、作成の時とそう変わらないものがあるかもしれません。

しかし、RapidMiner Studio Enterpriseにはそんな運用を楽に実行できるDeployment機能があります。RapidMiner Studioだけで使うことが出来るのでローカル環境でも運用管理が可能です。モデルの状態や推移をグラフで簡単に確認出来る他、しきい値を超えた時にアラートを出すことも可能です。

本資料ではRapidMiner Studio EnterpriseでのDeployment機能の使い方を紹介します。

機械学習の目的は人間の手を介さずにコンピュータがデータから自動的にパターンを学習させることです。機械学習の構築方法は大まかに分けて、PythonやRといったプログラミング言語での構築と、GUI（グラフィカル ユーザー インターフェース）ツールでの構築との二つがあります。

本資料では実際にPythonとRapidMiner、それぞれで同じデータセットから機械学習モデルを作成してみることで、それぞれの違いについてご紹介します。これから機械学習を進めていこう、という時に、どちらを選ぶべきか考える際の参考として頂ければ幸いです。

機械学習はこれまでPythonやRといったプログラミング言語を利用することが主流となっており、GUIツールを使うことはそれに対抗するイメージで考えられていました。しかし、機械学習を業務に適用し、企業として活用するためには、それぞれどちらかだけでなくハイブリッドに利用していくことが有効な手段となります。

RapidMinerは、PythonやRを機械学習を共に進めていくツールと考え、これらによって作成されたモデルやスクリプトとの連携を強化しています。そのため、PythonやRでの機械学習に精通したデータサイエンティストと、ドメイン知識が豊富なエンジニアがRapidMinerを通じて連携してプロジェクトに参加することが可能になっています。

本資料では、RapidMinerとPython、Rの統合の概要について、紹介しております。

データ分析は日本企業にも浸透し始めておりますが、一方で組織内での推進に課題やお悩みを抱えている企業も少なくありません。データ分析の効果的な活用には、組織体制自体を従来の形から見直す必要があります。

当社では、データ分析推進に適した組織として、CoE(Center of Excellence)モデルを推奨しております。データ分析担当部署や担当者だけでなく、現場も関わる形のデータ分析推進を行うことで、活用の拡大、効果の向上を図ることが出来ます。本動画及び資料ではCoEモデルの説明と進め方、そしてCoE推進に役立つデータ分析の総合プラットフォーム「RapidMiner」をご紹介します。

社内でのデータ分析の活用・推進にお困りの方は是非一度ご覧ください。

RapidMinerは分析業務を行う人にとってはノンプログラミングで使える非常に便利なツールです。画面もわかりやすいので様々な方にご評価いただき、導入が進んでおります。しかし、分析業務ではなく、現場業務を行う現場担当者にとってはそれでも画面が複雑、という意見も頂いておりました。

そこで現場運用のためのUI画面の開発をご提案いたします。現場の方がRapidMinerを意識することなく、分析担当者の方が作られた分析プロセスを実行することができるようにすることで、社内での機械学習、RapidMinerの推進・活用の足並みを揃え、効果を向上させることが可能です。

本資料では、画面イメージやシステム構成イメージをご紹介させて頂きます。

全世界でご愛用いただいておりますRapidMinerが、どのような事案でどのような効果を生んでいるのか、今回は製造業以外の金融業界や医療業界、小売業など広範な業界の事例をご紹介いたします。

各業界ごとにまとまっておりますので、ご自身の業界をご覧いただくのは勿論のこと、他業界の事例もご覧いただきますと、ご活用のバリエーションが広がります。

それぞれの課題や方法、効果、問題の概要を端的にまとめておりますので、ご興味のある内容を一目で確認頂けます。

全世界でご愛用いただいておりますRapidMinerが、どのような事案でどのような効果を生んでいるのか、

今回は製造業における実際の事例を使ってご紹介いたします。

それぞれの課題や方法、効果、問題の概要を端的にまとめておりますので、

ご興味のある内容を一目で確認頂けます。

新製品RapidMiner Goはダウンロード不要の100％Webブラウザで使用できるAutoMLツールです。

数分でモデルが作成でき、内容の可読性も高いため、機械学習の知識に明るくない方でも機械学習の結果をビジネスに生かすことが出来ます。ドメイン知識に詳しい方々自身の手でビジネスインパクトの大きい問題、そしてその効果を確認出来ますので、より大きなビジネスインパクトにつながります。RapidMiner Goは皆さまとデータサイエンティストを橋渡しして繋いでくれます。

今回はそんなRapidMiner Goのイントロダクションを動画にてご紹介いたします。製品情報ページからも詳細ご覧いただけますので、是非ご確認ください。

https://www.rapidminer.jp/rapidminer-go/

RapidMinerを使い始めたばかりの方でも、使い慣れた方でも、Auto Modelを使うことで機械学習の活用を一気に加速させることができます。Auto ModelはRapidMiner Studioの拡張機能で、モデルの構築と検証のプロセスを備わっています。何より優れているのは、AutoModelで作成した予測モデルを自分自身で修正することができる点です。運用（deployment）も容易にできます。

Auto Modelは、教師あり学習、教師なし学習、外れ値検出の3つの大きな問題に対応しております。

このガイドでは、RapidMinerのAutoModelについて説明を行なっております。チュートリアル形式でご自身で手を動かして頂きながらAutoModelを試して頂くことが可能です。

本資料は、「RapidMiner_Humans-Guide-ML」を⽇本語訳したものです。

著者はMartin Schmitz, PhD（RapidMiner社のデータサイエンスサービスの責任者）です。

本資料では、ビジネス上の問題に対する AI・ 機械学習ソリューションの理解、取り組み⽅法、運⽤を⽀援することを⽬的として、過去10年の間に開発してきたアプローチについて説明されています。

機械学習プロジェクトに関する最初の数時間の社内ディスカッションのガイドとして活⽤できるように作成されています。