01 / UNDERSTAND
仕組みと使いどころ
PQLでは、何を予測するかをPREDICTで定義し、誰や何を対象に予測するかをFOR EACHで指定します。必要に応じてWHEREによる対象や集計条件の絞り込み、SUMやCOUNTによる期間内の集計、予測期間の開始・終了や時間単位も記述できます。回帰、分類、時系列予測、関連する対象の順位付けや推薦などの予測課題を表現し、学習用ラベルの計算を自動化できます。ただし、PQL自体が予測精度や処理性能を保証するものではありません。また、提示資料で説明されるNVIDIA Kumo Studioの一部情報はプレリリースであり、未サポートとされています。
02 / IN PRACTICE
Predictive Query Languageの活用例
たとえば、こんな場面で
活用例として、顧客ごとに今後30日間の購入金額合計を予測する課題を、購入金額のSUM、予測期間、顧客IDの組み合わせで定義できます。WHEREを加え、直近30日間に取引があった顧客だけを対象にすることも可能です。
03 / GOOD TO KNOW
使うときのポイント
利用前に、予測対象、対象エンティティ、集計期間の境界、時間単位、絞り込み条件を確認します。特に期間の開始境界は含まず、終了境界は含むという仕様や、プレリリース資料の扱いに注意が必要です。
参考資料
Predictive Query Structure | NVIDIA Kumo （新しいタブで開きます）Overview | NVIDIA Kumo （新しいタブで開きます）Predictive Query Language: A Domain-Specific Language for Predictive Modeling on Relational Databases （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。