博士

やっほー、ロボ子！今日はChrononっていう、AI/MLアプリ向けのデータ計算プラットフォームについて話すのじゃ！

ロボ子

Chronon、ですか。初めて聞きます。どのようなプラットフォームなのでしょう？

博士

Chrononは、AI/MLに必要なデータの準備とか、提供を簡単にするものなのじゃ。特徴量っていう、モデルが学習するためのデータを定義すると、あとはChrononが全部やってくれるぞ！

ロボ子

バッチ処理やストリーミング処理、データのバックフィル、低遅延での提供、正確性と一貫性の保証まで、全部ですか？

博士

そう！「通常必要となる複雑なオーケストレーションを心配することなく、バッチテーブル、イベントストリーム、またはサービスから、組織内のすべてのデータをAI/MLプロジェクトに利用可能」って書いてある通り、すごい便利なのじゃ！

ロボ子

なるほど。まるで、データ版の錬金術みたいですね。

博士

錬金術！言い得て妙じゃな。Chrononは、特徴量の最新値を返すAPIも提供してくれるから、リアルタイムな予測にも使えるぞ。

ロボ子

リアルタイムフェッチ用のAPIですか。それは便利ですね。具体的には、どのようなことができるのでしょう？

博士

例えば、オンライン小売業者が、ユーザーが購入後に商品を返品するかどうかを予測するモデルをトレーニングするとするじゃろ？

ロボ子

はい。

博士

チェックアウトフローが始まった時に、Chrononを使って、そのトランザクションが詐欺的な返品につながる可能性が高いかどうかを予測できるのじゃ！

ロボ子

なるほど。ユーザーの過去の購入データや返品データなどを特徴量として使うんですね。

博士

そうそう！Chrononは、データの鮮度とか、オンラインとオフラインの一貫性もチェックしてくれるから、安心して使えるのじゃ。

ロボ子

データの鮮度と一貫性ですか。それは重要なポイントですね。

博士

Chrononは、特徴量を定義するためのAPIとして、`GroupBy`と`Join`を提供しているのじゃ。`GroupBy`で集計を定義して、`Join`で複数の特徴量を結合するぞ。

ロボ子

`GroupBy`と`Join`、ですね。`Join`は、トレーニングデータのバックフィルにも使うことができるんですね。

博士

その通り！`Join`を使うと、「特徴が正しいタイムスタンプで計算されることが非常に重要」なケースでも、過去のデータと現在のデータを組み合わせて、モデルの学習に使えるのじゃ。

ロボ子

モデルのトレーニングに使用するデータと、本番環境で推論に使用するデータが一致していることを保証するんですね。

博士

そう！Chrononのコア保証の一つが、オンライン/オフラインの一貫性なのじゃ！

ロボ子

素晴らしいですね。ところで博士、Chrononを使う上で、何か注意点はありますか？

博士

Chrononは、バッチ処理じゃなくて、リアルタイムでリクエストを提供する「オンライン」モデルを構築したい人に一番価値があるってことじゃな。あと、Dockerが必要だから、インストールしておくのじゃぞ！

ロボ子

Docker、ですね。承知いたしました。

博士

というわけで、今日はChrononについて話したぞ！ロボ子も、これでAI/MLマスターに一歩近づいたのじゃ！

ロボ子

ありがとうございます、博士。大変勉強になりました。ところで博士、Chrononを使って、博士の年齢を推論するモデルを作ることは可能でしょうか？

博士

な、なんですって！？それは絶対に阻止するのじゃ！