CSVアップロードから予測モデル作成まで — はじめてのQastガイド

Qast は、CSVファイルをアップロードするだけで予測モデルを自動作成できるAutoMLプラットフォームです。この記事では、アカウント作成からモデル完成までの全ステップを、実際の画面と共に解説します。

ステップ 1：アカウントを作成する

まず、Qast のトップページにアクセスし「無料で始める」ボタンをクリックします。アカウント作成画面では、名前・メールアドレス・パスワード・テナント名（組織名）を入力するだけです。クレジットカードは不要です。

ステップ 2：CSVファイルをアップロードする

ログイン後、ダッシュボードのサイドバーから「データセット」を選択します。「新規アップロード」ボタンをクリックし、お手持ちのCSVファイルをドラッグ＆ドロップします。Qast が自動的に各カラムのデータ型（数値・カテゴリ・日時・テキスト）を推論します。

ステップ 3：予測対象を選んで学習を開始する

データセットのアップロードが完了したら、「学習ジョブを作成」をクリックします。予測したいカラム（ターゲット列）を選択し、学習タスクの種類（回帰 or 分類）を指定するだけで、39種類のアルゴリズム × 72パターンの前処理の組み合わせを自動的にテストし、最適なモデルを発見します。

1. 1

   データセットを選択

   アップロード済みのCSVデータセットを選びます。

2. 2

   ターゲット列を指定

   予測したいカラムをドロップダウンから選択します。

3. 3

   学習を開始

   「学習を開始」ボタンをクリック。あとはQastにお任せです。

ステップ 4：学習の進捗をリアルタイムで確認する

学習が開始されると、リアルタイムモニタリング画面で進捗を確認できます。前処理 → 学習 → 評価 → 保存の各ステージがタイムラインで表示され、現在の進捗率もパーセンテージで確認できます。

ステップ 5：完成したモデルを確認する

学習が完了すると、モデルリーダーボードに結果が表示されます。RMSE、MAE、R²、Accuracy、F1スコアなどのメトリクスで各モデルを比較し、最適なモデルを選定できます。選んだモデルはワンクリックでAPIとしてデプロイしたり、バッチ予測に使用したりできます。