コードエディターから直接コードを編集して、モデルスキーマを自動更新することができます。 **［スキーマを更新］** を選択して変更を保存します。
[このページのトップへ](#intro)
### モデルを追加する
Domoの内部ツールまたはサードパーティのソースを使用して、AIモデルにモデルを追加できます。
モデルインポートモーダルが表示されます。
3. モーダルで説明されている以下の手順に従います。手順が完了したら、 **［次のステップ］** を選択して次に進みます。
いつでも **［戻る］** を選択して前の手順に戻ったり、 **［キャンセル］** を選択してモーダルを終了できます。
1. **［アダプターを選択］ —** アダプターは、モデルのサードパーティのソースです。
2. **［アカウントを選択］ —** ユーザーまたは会社が、Domoと統合されたモデルのサードパーティのソースのアカウントを持っている必要があります。
* 既存のサードパーティのソースをDomoとまだ統合していない場合は、 **［アカウントを作成］** を選択して、アカウント統合を完了します。アカウントの統合方法については、 [こちら](/ja/s/article/360042926054) を参照してください。
アカウントを統合したら、「 [モデルを追加する](#add_a_model) 」 プロセス を再開します。
3. **［モデルをインポート］ —** そのソースの使用可能なモデルのリストからインポートするモデルを選択します。
4. **［タスクを設定］ —** 以下の項目を指定します。
* 一般的なモデル機能がリスト表示された **［タスク］** ドロップダウンからモデルタスクを選択します。使用可能なタスクは、モデルアカウントによって決まります。 ［タスクタイプ］には、［Binary Classification］、［Chat Completion］、［Classification］、［Image Generation］、［Regression］、［Summarization］、［Task Planning］、［Text Embedding］、［Text Generation］、［Others］などがあります。
* **［スキーマ］** ドロップダウンから［入力］または［出力］を選択します。
* **［メディアタイプ］** ドロップダウンから［CSV］または［JSON］を選択します。
以下の図では、［タスクタイプ］は［チャット完了］、［スキーマ］は［入力］、［メディアタイプ］は［JSON］です。
モーダルのこのセクションには、 選択した アダプター アカウントから取り込まれるモデルメトリクスとハイパーパラメーターのプレビューが含まれています。
* （オプション） **［+新規追加］** を選択して、新しい入力/出力値の行をスキーマに追加します。
コードエディターから直接コードを編集して、モデルスキーマを自動更新することができます。 **［スキーマを更新］** を選択して変更を保存します。
[このページのトップへ](#intro)
### モデル情報を確認する
**［AIモデル］** ページに、アクセスできる各モデルについて以下の情報が表示されます。
* モデル名、説明、所有者、作成日。
* モデルが追加されているプロジェクトの数。
* モデルのエンドポイントの現在のステータス。詳細については、「
[モデルのエンドポイントを操作する](#work_with_model_endpoints) 」を参照してください。
* モデルに関連付けられたメトリクス。メトリクスの詳細については、
[詳細ビュー](#details_view) の説明を参照してください。
詳細ビューには4つのセクションがあります。各セクションについては、以下の表で説明します。各セクションの値は、モデルのソースとそのトレーニング方法およびDomoへの取り込み方法によって異なります。
セクション | 説明 | 画像 |
|---|---|---|
メトリクス | ここに表示されるメトリクス名、値、標準偏差の値は、モデルがサードパーティのソースから取り込まれたときに、モデルの初期トレーニング訓練中に作成されます。モデルの値とその他の結果は、最初はモデルのトレーニングで使用されるサンプルデータと比較されます。 ［標準偏差］ 列は、モデルに出力として含まれていない場合でも表示されます。 |
|
ハイパーパラメーター | これらの値は、最初のモデルのトレーニング中に作成され、通常は制限、上位の値、バリエーション、Domoの外部で行われたモデル設定などの項目が含まれます。 |
|
モデル情報 | これらの値には、モデルがトレーニングを受けた機械学習アルゴリズム、Domoのほかのエリアでモデルのエンドポイントを実行するために使用されたモデルID、スナップショットが存在する場合はスナップショットデータ、モデルジョブの名前とリンク（モデルがDomoで作成された場合）が含まれます。 |
|
モデルスキーマ | これらの値には、モデルに割り当てられたタスク、入力タイプ、入力スキーマ、出力タイプ、出力スキーマが含まれます。 入力と出力の両方について ［スキーマを編集］ を選択して、スキーマでこれらを更新します。スキーマを編集する方法については、 こちら を参照してください。 |  |
モーダルでは、スキーマの [プロパティが表示され](#view_schema_properties) 、行の [編集](#edit_schema) 、行の [削除](#delete_input_output) 、新しい行の [追加](#add_new_input_output) などを行うことができます。 **［スキーマを更新］** を選択して変更を保存します。
[このページのトップへ](#intro)
#### スキーマのプロパティを表示する
スキーマ内の任意の行について、 
[このページのトップへ](#intro)
#### スキーマを編集する
スキーマ内の任意の行について、 
#### 新しい入力/出力を追加する
**［スキーマを編集］** モーダルで、 **［+新規追加］** を選択すると、新しい入力/出力値行をスキーマに追加し、そのプロパティを編集できます。
#### 入力/出力を削除する
スキーマ内の任意の行について、 
# エンドポイントを開始および停止する
**［エンドポイント］** タブからエンドポイントを開始および停止すると、Magic ETLなど、エンドポイントが使用されているDomoのほかの場所でもエンドポイントが開始および停止します。エンドポイントのステータスが **［エンドポイントを開始］/［エンドポイントを停止］** コントロールの横に表示されます。
# エンドポイントをテストする
**［エンドポイント］** タブの **［エンドポイントをテストする］** セクションでは、入力および出力テキストを入力し、モデルでテストを実行できます。エンドポイントテストについて、テスト出力のコピー、スキーマの表示、モデルコードスニペット の表示を行うこともできます。
モデルに使用されるコードスニペットを編集するには、次の手順を実行します。
1. **［コードスニペット］** を選択して、モデルコードスニペットを表示するモーダルを開きます。
2. ドロップダウンからコード言語を選択します。
3. **［コードをコピー］** を選択して、 コードスニペットをマシンにコピーします 。
4. コードを更新するには、コードボックスを直接修正することで変更を加えます。
# エンドポイントログを表示する
**［エンドポイントログ］** タブは、 モデルのエンドポイントを開始したか、現在実行している場合にのみ表示されます。
このタブには、実行済みまたは実行中のモデルのエンドポイントのイベント情報が表示されます。
エンドポイントの状態には、［開始されました］、［実行中］、［停止しました］、［失敗しました］、［アクティブ］、［スナップショットに失敗しました］などがあります。現在のエンドポイントステータスが **［AIモデル］** ページに表示されます。
[このページのトップへ](#intro)
### モデルへのアクセスをシェアする
**［AIモデル］** ページで、 
[このページのトップへ](#intro)
### Magic ETLにモデルを展開する
### モデルを削除する
アクセスできるモデルを **［AIモデル］** ページから削除するには、 
4. ドロップダウンを使用して、プロジェクトを作成するDataSetを選択し、 **［DataSetを開く］** を選択します。
DataSetの **［AutoML］** タブが開きます。
5. **［利用を開始］** を選択します。
6. 予測するDataSetの列とタスクタイプを選択します。タスクには次の4つのタイプがあります。
* **［自動（推奨）］—** このタイプでは、データに基づいて最適なタスクを使用します。
* **［回帰］—** このタイプでは、収益などの数値を測定します。
* **［バイナリ分類］—** このタイプでは、顧客離れなどのブールデータを分類します。
* **［多クラス分類］—** このタイプでは、業界、技術、財務などのデータグループを分類します。
7. **［訓練を開始］** を選択します。 AutoMLがデータを使用して学習モデルを訓練およびテストしているとき、タイマーが表示されます。訓練のステージの詳細については、 [こちら](/s/article/360048127854#training_stages) を参照してください。
AutoMLが終了すると、 **モデルの概要** ページに、AutoMLによって構築されたモデルのパフォーマンスに関する情報が表示されます。
これで、AutoMLプロジェクトが **［AIプロジェクト］** ページに表示されます。AutoMLのデータの準備に関する詳細は、 [こちら](/ja/s/article/360048127854#prepare_data_for_automl) をご覧ください。AutoMLを使用したモデルの訓練と展開に関する詳細は、 [こちら](/s/article/360048127854) をご覧ください。
[このページのトップへ](#intro)
# カスタムプロジェクトを作成する
以下の手順で新しいカスタムプロジェクトを作成します。
1. [**AIプロジェクト**](#access_ai_models_and_projects) にアクセスします。
2. **［新規プロジェクト］** を選択し、 **［新規プロジェクトを作成］** モーダルを開きます。
3. モーダルで、 **［カスタムプロジェクト］** を選択します。
4. プロジェクトに名前を付け、オプションの説明を入力します。
5. **［+ 既存のモデルを追加］** を選択して、モデルをプロジェクトに追加します。
6. **［新規プロジェクトを作成］** を選択して、プロジェクトを **［AIプロジェクト］** ページに追加します 。
AIモデルの管理の詳細については、 [こちら](/s/article/000005502) を参照してください。
[このページのトップへ](#intro)
### AIプロジェクトにモデルを追加する
**［AIモデル］** ページでは、 
[このページのトップへ](#intro)
### モデルを比較する
**［AIプロジェクト］** リストからプロジェクトを選択すると、プロジェクトの詳細ビューが開きます。ここでは、最大10のモデルと合計10のメトリクスを比較できます。使用可能なメトリクスは、プロジェクトに導入されたモデルと、それらが最初にどのようにトレーニングされたかによって異なります。
プロジェクトの詳細ビューには、比較するメトリクスが表示される **［メトリクスの比較］** セクションと、プロジェクト内の各モデルに関する基本情報が表示される **モデルリスト** が含まれています。 モデルを選択すると、その他の [詳細](#details_view) 情報が表示されます。
# 比較するモデルを選択する
**モデルリスト** で、比較する各モデルのチェックボックスをオンにします（最大10個まで選択できます）。
次に、比較するメトリクスを **［メトリクスの比較］** で選択します。
少なくとも2つのメトリクスを選択した場合、単一のモデル内で複数のメトリクスを比較でき、メトリクス比較が横並びの比較棒チャートとして読み込まれます。上記の例では、AutoMLによって生成されたモデルが使用され、「validation:accuracy」、「validation:macro\_recall」、および「validation:mlogloss」メトリクスが横並びで比較されます。
[このページのトップへ](#intro)
日本語
