データ収集行為（知ろうとする行為）そのものが現実を決定する、という理論を突き詰めたアメリカの物理学者John Wheelerは、「過去とは人間が振り返り知ろうとする行為そのものによって作られるものである。それ以前からそこにあるのではない」として、この目玉宇宙の図に行き着いたのです。
各ユーザーさんのあまりに進んだ事例に、参加している誰もがものすごく興奮していました。これはもう機械学習中毒ですね。中にはまだ数ヶ月しか利用していないのに、もうデプロイ寸前まで到達しているお客さんもいれば、諸事情でデプロイまで到達できなかった、ということを素直にお話いただき、他のユーザーさんからの「ある、ある」とともに新たなディスカッションに発展したりと、非常に有意義な時間を過ごすことが出来ました。お話できないのが本当に残念！
いろいろなデータを見ていたら中には意外に見えるものもある・・・これには専門的な名前があってどこでも効果（Look Elsewhere Effect）と言います。統計的な分析（機械学習も含まれる）におけるインサイトとは、常に統計的な偶然と隣り合わせです。つまり「この結果が偶然だとするとそれは1000回に一回の偶然」というような言われ方をされますが、もしも1000回実験をしたら1回起こってしまうのです。
このビジネスは、まだまだ成長途中ですが、多くの人をインスパイアしながら、ドキドキは続きます。初めてDataRobotを見たときに「これは行けるんじゃないかな」と思った感覚は、自分の中では随分前から確信に変わっていたけれど、多くの人にとっては、このイベントの体験が、いろいろな疑問を確信に変えるきっかけになったと思います。
機械学習技術の企業への導入で私が日々目にしている事。AIに高い期待を寄せ、AI研究所やイノベーション推進室やを立ち上げながらも、技術の導入によって大きな変化をなかなか起こせない企業の課題とは
「医者」とか「弁護士」、とかであればなかなか「明日から俺は医者だ」などと言うことはできないと正しく認知されていますが、データサイエンティストの場合、突然「今日から・・・」などということに遭遇します。私は学歴主義は嫌いですが、専門職につくためには専門的な教育が必要です。そして科学者になるための資格と言うのは実はあります。
「世界が思い通りにならないことを恐れてはいけないよ。不完全な世界、理想には届かないプロダクトだからこそ、ここにいる皆が必要とされてるんだから」DataRobotに入社してから1年半が過ぎようとしていますが、会社は輪をかけてカオスです。会社の60%以上が私が入社して以来加わったメンバーで、更に先日のシリーズCでの調達を皮切りに、急速に採用が進んでいます。
DataRobot Japanでも至急人を募集しています。
Do not accept any definition of you except yours -- Chris Lynch
機械学習モデルの評価の方法に、DataRobotでよく使われているリフトチャート（LiftChart）というものがあります。シンプルさにかかわらず非常に優れた特徴を持っているモデル評価方法です。本稿ではそんなリフトチャートの計算方法と利用方法をご紹介します。