Elastic 機械学習デイ セミナーレポート：「時系列モデリングと異常検知」と新機能「データフレーム分析」のご紹介

AI（人工知能）の活用が声高に叫ばれる風潮の中、Elasticでは機械学習（マシーンラーニング）に特化して機能を提供しています。特に、Elasticの機械学習は、「データサイエンティストではない人でも使えるシンプルな機能」と「データサイエンスの運用実現」を機械学習の目標としています。

今回のセミナーでは、Elasticの機械学習における「時系列モデリングと異常検知」と、新機能「データフレーム分析」について、デモンストレーションや事例を交えて、詳細で具体的な内容をお届けしました。 

■時系列モデリングと異常検知

Elasticの機械学習プロダクトマネージャーであるトム・グラボースキーは、データサイエンスに関する2つのキーワード「シンプル化」と「運用実現」を機械学習の目標に挙げます。

キーワード１ ：「シンプル化」データサイエンティストではない人でも機械学習を利用することが可能です。

データサイエンスのプロジェクトを少量のデータから始めて、実際に稼働し、大規模に運用する場合、多様なツールを使いつつも簡単に作業できるのが理想ですが、実際は収集データの検索作業やデータモデルの作成など、どうしても難しくなることがあるでしょう。Elasticでは、どうやって難易度の高い工程をシンプル化していくのかが機械学習の醍醐味と考え、シンプル化の実現を目指します。

キーワード2 ：「運用実現」REST APIによってElasticsearchとKibanaに組み込まれて統合されているため、大規模に使う（スケールアップする）ことが可能です。

テンプレートベースの機械学習の組み込み型のUIなので、詳細や仕組みがわからなくても容易にデータサイエンスの技法を使うことができ、運用実現に大きく近づくことができます。

Elasticの機械学習は、数年前にリリースして以来、機械学習のツールキット制作会社を買収したり、形而的なデータの予測ができる予測機能を追加したりと、多くの機能を搭載し進化してきました。リリース当初から教師なし学習機能と異常検知のための時系列モデリングを搭載しています。

Elastic Stackの機械学習は、ログやアプリのパフォーマンス監視、KPIなど典型的な時系列データを基に異常検知のジョブの実行などのために多くのユーザーに選ばれ、その数は増加傾向にあります。より詳細はセミナーレポート全文をダウンロードください。

■データフレーム分析:ユースケース固有の機械学習モデルを構築する

「時間コンポーネントを使った異常検知」とは全く違い、「データフレーム分析」は、時系列データ、つまり時間ベースのデータは不要です。

プラットフォームを構築したり、自前のアプリケーションを作成する際など、機械学習のモデルを利用する背景にはさまざまな理由があり、それらに対応する必要がありました。

データフレーム分析では、時系列の異常検知だけでは補えなかった、さらに進んだ検索が可能となりました。

Elasticではドキュメントの記述言語に取り組んでおり、機械学習の検索モデルを検索にデプロイする方法や、顧客からカスタマーサポートへ寄せられる要望が多言語であることを想定し、それらの言語を正しい翻訳ツールにタグ付けしたい場合や、固有表現の検索関連性を高める場合など、機械学習で言語検出や文書の記述言語を特定し自動化することができるようになりました。

セキュリティにおいては、悪意のあるドメイン名を特定したり、詐欺のデータであるかどうか、顧客のデータから解約予兆があるかなど、確認することができます。より詳細はセミナーレポート全文をダウンロードください。

セミナーレポート全文にご興味をお持ちの方は

時系列モニタリングと異常検知や、データフレーム分析について、より詳細にご興味をお持ちの方は、こちらからセミナーレポート全文ダウンロードいただけます。またセミナーを録画したビデオは日本語字幕付きでご覧いただけます。

Elastic機械学習の導入事例にご興味をお持ちの方は

機械学習デイでは、時系列の映像データの解析にElasticの機械学習を利用されているブローダービズ株式会社様にもご登壇をいただきました。食品製造工場での作業を「見守り」、異常行動発生をリアルタイムに検知してトラブルを未然に回避されているブローダービズ株式会社様の導入事例全文はこちらからダウンロードいただけます。またご講演を録画したビデオはこちらからご覧いただけます。

なお、Elastic Stackの製品全体にご興味をお持ちの方は、Elasticのコアプロダクト群をご参照ください。Elasticの機械学習にご興味のある方はElastic 機械学習をご参照ください。