機械学習のランキング
機械学習（プラットフォーム／ツール）は、データからパターンやルールをコンピュータに学習させ、予測や分類、自動化などを実現する基盤となるIT製品・システム、あるいはその考え方、手段・手法のことです。モデルの構築・学習・評価を行う開発環境や、既存モデルを業務システムに組み込むための機能が主に求められます。需要予測や異常検知、レコメンドなど、これまで人手に頼っていた人の判断を要する業務を効率化・自動化したいシーンなど、データを活用した業務改善やAI開発の基盤として、幅広い分野で導入が進んでいます。
5件中1~5件表示中
※本ランキングと製品満足度は
のデータを利用しています
「MATLAB（マットラブ）」は、The MathWorks, Inc.（マスワークス）が提供する、エンジニアや科学者のために設計された高水準言語および数値計算・データ解析・可視化のためのコンピューティングプラットフォームです。1984年の創設以来、アルゴリズム開発やモデル開発、シミュレーションなどをスピーディーに進めやすい環境を整えています。世界各地の多数の組織や多くのユーザーから信頼されており、電気自動車、組み込みAI、IoT（モノのインターネット）、無線通信にいたるまで、工学および科学技術用途に幅広く使用されています。
■エンジニア向けに設計された高水準言語と対話型アプリ
プログラマー向けではなく、エンジニアや科学者のために設計された高水準言語を用いて、データ解析、信号処理、画像処理、制御システムなどのアルゴリズムやモデルを対話的に開発をサポートします。データ解析や可視化のための操作性に配慮した対話型アプリが豊富に用意されており、新しいアイデアを具現化する作業をスムーズに開始しやすくなっています。さらに、学習を後押ししタスク処理をサポートして生産性を高める「MATLAB Copilot」や「AIエージェント」といったAIアシスタンス機能も提供されているのが特徴です。
■専門分野を拡張するライブラリとSimulinkによるモデルベースデザイン
専門的なエンジニアリングおよび科学分野のワークフロー向けに、開発やテスト、ドキュメント整備が行われた豊富なアドオンライブラリである「ツールボックス」を提供し、柔軟に機能を拡張しやすい仕様です。また、複雑なマルチドメインシステムをグラフィカルなブロック線図を用いてシミュレーション・モデル化をサポートする「Simulink（シミュリンク）」の基盤としても動作します。Simulinkを用いることで、本番利用に対応した組み込みコードの生成をサポートし、その正確性や性能の検証を後押しします。これにより、例えば三菱電機における開発事例では開発期間の40％短縮を後押しした実績があります。
■主要な開発ツールとのシステム連携とサポート体制
Python、Visual Studio、GitHubなどの外部ツールや環境とシステム連携し、異なるプロジェクト間での相互運用性をサポートする仕組みに対応しています。また、macOS、Linux、Windowsなどの主要なオペレーティングシステムへのインストールやセットアップを詳細に解説したドキュメンテーションをはじめ、自己学習形式のオンラインコースや対面のトレーニング、 MathWorks 認定プログラム、テクニカルサポートなどのサポート体制を整えているのが強みです。個人使用、商用利用、教育や学術研究など、利用者のニーズに合わせた無料評価版も用意されています。
■エンジニア向けに設計された高水準言語と対話型アプリ
プログラマー向けではなく、エンジニアや科学者のために設計された高水準言語を用いて、データ解析、信号処理、画像処理、制御システムなどのアルゴリズムやモデルを対話的に開発をサポートします。データ解析や可視化のための操作性に配慮した対話型アプリが豊富に用意されており、新しいアイデアを具現化する作業をスムーズに開始しやすくなっています。さらに、学習を後押ししタスク処理をサポートして生産性を高める「MATLAB Copilot」や「AIエージェント」といったAIアシスタンス機能も提供されているのが特徴です。
■専門分野を拡張するライブラリとSimulinkによるモデルベースデザイン
専門的なエンジニアリングおよび科学分野のワークフロー向けに、開発やテスト、ドキュメント整備が行われた豊富なアドオンライブラリである「ツールボックス」を提供し、柔軟に機能を拡張しやすい仕様です。また、複雑なマルチドメインシステムをグラフィカルなブロック線図を用いてシミュレーション・モデル化をサポートする「Simulink（シミュリンク）」の基盤としても動作します。Simulinkを用いることで、本番利用に対応した組み込みコードの生成をサポートし、その正確性や性能の検証を後押しします。これにより、例えば三菱電機における開発事例では開発期間の40％短縮を後押しした実績があります。
■主要な開発ツールとのシステム連携とサポート体制
Python、Visual Studio、GitHubなどの外部ツールや環境とシステム連携し、異なるプロジェクト間での相互運用性をサポートする仕組みに対応しています。また、macOS、Linux、Windowsなどの主要なオペレーティングシステムへのインストールやセットアップを詳細に解説したドキュメンテーションをはじめ、自己学習形式のオンラインコースや対面のトレーニング、 MathWorks 認定プログラム、テクニカルサポートなどのサポート体制を整えているのが強みです。個人使用、商用利用、教育や学術研究など、利用者のニーズに合わせた無料評価版も用意されています。
「DataRobot（データロボット）」は、DataRobotが提供する、エンタープライズ規模でエージェント型AIの構築、運用、ガバナンスのサポートを目指す包括的なAIプラットフォームです。2012年の創業以来、AutoML（機械学習の自動化）やMLOps（機械学習オペレーション）のパイプラインを切り拓いてきた実績を有しています。Gartner（ガートナー）社が発表した「データサイエンスおよび機械学習プラットフォーム部門におけるMagic Quadrant」においてリーダーの評価を獲得しているほか、IDC MarketScapeの「AIガバナンスおよびML運用部門」においてもリーダーに選出されており、業界内で評価を得ているのが特徴です。オンプレミス、ハイブリッド、マルチクラウドの多様な環境で動作し、50以上のAIツールを置き換えて最初のエージェントの迅速な稼働をサポートする仕様となっています。
■独自の仕様に合わせたエージェントのスムーズな構築
ビジネスのニーズに合わせたエージェントの構築プロセスの効率化をサポートします。カスタマイズ可能なブループリントやあらかじめ用意された統合機能を提供し、独自の開発環境でもスピーディーな開発を後押しする仕様です。LLM（大規模言語モデル）から埋め込みにいたるまで、ユースケースに合わせたコンポーネントを柔軟に選択できます。これにより、単に既存の機能を寄せ集めるのではなく、精度、レイテンシ、コストのバランスを考慮したエージェントを構築しやすい設計です。実際の導入事例では、NetAppにおいてSnowflakeやSQL、S3などのデータとシステム連携させることで、予測プロセス全体の効率化に役立てています。
■品質監視とアクセス制御による安全な本番運用
構築したエージェントを実環境で安定して実行するための運用機能を備えています。ダイナミックなコンピューティングオーケストレーションにより、エッジ、クラウド、オンプレミスを含む多様な場所にモデルのデプロイに対応しています。稼働後は、リアルタイムでエージェントの品質を継続的に監視し、発生した課題の早期発見や低減をサポートする仕組みです。また、エージェントと利用者の認証処理を行い、データやAPI（アプリケーションプログラミングインタフェース）へのアクセス権限を適切に管理しやすい設計を整えています。
■コンプライアンス要件に対応するガバナンス管理
エージェントの予期せぬ動作を回避するための管理機能を備えています。ライフサイクル全体で資産と活動を追跡し、実行される動作や場所の管理をサポートする仕様です。アクセス権限から承認プロセスまで、制御ルールを定義することで、企業や業界のコンプライアンス要件への適合をサポートします。さらに、テスト用のフレームワークや監査用の文書の作成をサポートする機能を備えており、ビジネスリスクの低減を後押しする構成です。
■NVIDIAやSAPとの共同開発によるシステム連携
世界の主要なテクノロジー企業との共同開発（Co-Engineered）を推進しています。NVIDIAとの共同開発では、NVIDIA Enterprise AIで検証・組み込みが行われた本番環境対応のプラットフォームを提供しているのが特徴です。これにより、AIエージェントのデプロイ、監視、ガードレール、オーケストレーションなどを最適化されたインフラ上での実行をサポートします。また、SAPとの共同開発により、SAPシステムとのシステム連携や独自エージェントの構築をサポートするデータモデル、UI（ユーザーインタフェース）などを提供しているのが強みです。
■独自の仕様に合わせたエージェントのスムーズな構築
ビジネスのニーズに合わせたエージェントの構築プロセスの効率化をサポートします。カスタマイズ可能なブループリントやあらかじめ用意された統合機能を提供し、独自の開発環境でもスピーディーな開発を後押しする仕様です。LLM（大規模言語モデル）から埋め込みにいたるまで、ユースケースに合わせたコンポーネントを柔軟に選択できます。これにより、単に既存の機能を寄せ集めるのではなく、精度、レイテンシ、コストのバランスを考慮したエージェントを構築しやすい設計です。実際の導入事例では、NetAppにおいてSnowflakeやSQL、S3などのデータとシステム連携させることで、予測プロセス全体の効率化に役立てています。
■品質監視とアクセス制御による安全な本番運用
構築したエージェントを実環境で安定して実行するための運用機能を備えています。ダイナミックなコンピューティングオーケストレーションにより、エッジ、クラウド、オンプレミスを含む多様な場所にモデルのデプロイに対応しています。稼働後は、リアルタイムでエージェントの品質を継続的に監視し、発生した課題の早期発見や低減をサポートする仕組みです。また、エージェントと利用者の認証処理を行い、データやAPI（アプリケーションプログラミングインタフェース）へのアクセス権限を適切に管理しやすい設計を整えています。
■コンプライアンス要件に対応するガバナンス管理
エージェントの予期せぬ動作を回避するための管理機能を備えています。ライフサイクル全体で資産と活動を追跡し、実行される動作や場所の管理をサポートする仕様です。アクセス権限から承認プロセスまで、制御ルールを定義することで、企業や業界のコンプライアンス要件への適合をサポートします。さらに、テスト用のフレームワークや監査用の文書の作成をサポートする機能を備えており、ビジネスリスクの低減を後押しする構成です。
■NVIDIAやSAPとの共同開発によるシステム連携
世界の主要なテクノロジー企業との共同開発（Co-Engineered）を推進しています。NVIDIAとの共同開発では、NVIDIA Enterprise AIで検証・組み込みが行われた本番環境対応のプラットフォームを提供しているのが特徴です。これにより、AIエージェントのデプロイ、監視、ガードレール、オーケストレーションなどを最適化されたインフラ上での実行をサポートします。また、SAPとの共同開発により、SAPシステムとのシステム連携や独自エージェントの構築をサポートするデータモデル、UI（ユーザーインタフェース）などを提供しているのが強みです。
「Gemini Enterprise Agent Platform（ジェミニ エンタープライズ エージェント プラットフォーム）」は、Google Cloudが提供する、AI（人工知能）エージェントの構築、スケール、管理、最適化をサポートするプラットフォームです。従来の「Vertex AI」を改称したものであり、エンタープライズアプリケーションや複雑なワークフローのスマートなエージェントシステムへの変革を後押しします。2025年第4四半期に発表されたGartner（ガートナー）社のAIアプリケーション開発プラットフォーム部門や、Forrester WaveのAI/MLプラットフォーム（Q3 2024）においてリーダーに選出されています。さらに、IDC社の2025年版MarketScapeでもリーダーに選出されており、業界内で評価を得ているのが特徴です。新規の利用者に向けて、本プラットフォームや他のGoogle Cloud製品を検証できる300ドル分の無料クレジットも提供されています。
■200以上のモデル群と客観的なデータ駆動評価ツール
「Model Garden（モデルガーデン）」を提供しており、Googleのマルチモーダルモデル「Gemini 3.5」をはじめ、Anthropic社の「Claude」モデルなどのサードパーティーモデル、オープンモデル「Gemma」など、200以上のAIモデルやツール群から選択可能です。また、多様なチューニングオプションが用意されているほか、選択した生成AIモデルに対して客観的なデータ駆動での評価を後押しする、エンタープライズグレードの「モデル評価サービス」も利用できます。
■システム連携された開発環境とBigQueryによるデータ活用
データサイエンティストがモデルのトレーニングや調整、デプロイをスピーディーに行えるよう考慮された設計です。ノートブック環境（Colab EnterpriseまたはWorkbench）は「BigQuery」とネイティブに統合されています。データやAIのワークロードを1つの画面上で扱いやすく、データ分析から開発にいたるライフサイクルをスムーズに統合可能です。
■MLプロジェクトをサポートするMLOpsツール
機械学習（ML）プロジェクトの効率化、標準化、管理をサポートするモジュール型の「MLOpsツール」群を整えています。適したモデルを特定する「モデル評価」、ワークフローをオーケストレートする「パイプライン」、多様なモデルを統合管理する「Model Registry」、特徴量を共有・再利用できる「Feature Store」などの機能を搭載しているのが強みです。さらに、入力データのスキューやドリフトを検知するモニタリング機能も備えています。
■ノーコード開発からカスタムトレーニングまで対応する柔軟性
エージェント開発を後押しするアプローチとして、多様なオプションをサポートしています。「Agent Studio」では、自然言語、コード、画像、動画を用いてプロンプトの設計やテスト、管理が可能です。さらに、任意のMLフレームワークや独自のトレーニングコードを使用し、プロセス全体の制御をサポートする「カスタムトレーニング」にも対応しています。
■200以上のモデル群と客観的なデータ駆動評価ツール
「Model Garden（モデルガーデン）」を提供しており、Googleのマルチモーダルモデル「Gemini 3.5」をはじめ、Anthropic社の「Claude」モデルなどのサードパーティーモデル、オープンモデル「Gemma」など、200以上のAIモデルやツール群から選択可能です。また、多様なチューニングオプションが用意されているほか、選択した生成AIモデルに対して客観的なデータ駆動での評価を後押しする、エンタープライズグレードの「モデル評価サービス」も利用できます。
■システム連携された開発環境とBigQueryによるデータ活用
データサイエンティストがモデルのトレーニングや調整、デプロイをスピーディーに行えるよう考慮された設計です。ノートブック環境（Colab EnterpriseまたはWorkbench）は「BigQuery」とネイティブに統合されています。データやAIのワークロードを1つの画面上で扱いやすく、データ分析から開発にいたるライフサイクルをスムーズに統合可能です。
■MLプロジェクトをサポートするMLOpsツール
機械学習（ML）プロジェクトの効率化、標準化、管理をサポートするモジュール型の「MLOpsツール」群を整えています。適したモデルを特定する「モデル評価」、ワークフローをオーケストレートする「パイプライン」、多様なモデルを統合管理する「Model Registry」、特徴量を共有・再利用できる「Feature Store」などの機能を搭載しているのが強みです。さらに、入力データのスキューやドリフトを検知するモニタリング機能も備えています。
■ノーコード開発からカスタムトレーニングまで対応する柔軟性
エージェント開発を後押しするアプローチとして、多様なオプションをサポートしています。「Agent Studio」では、自然言語、コード、画像、動画を用いてプロンプトの設計やテスト、管理が可能です。さらに、任意のMLフレームワークや独自のトレーニングコードを使用し、プロセス全体の制御をサポートする「カスタムトレーニング」にも対応しています。
NEW
「Amazon Machine Learning（アマゾン マシン ラーニング）」は、Amazon Web Services, Inc.（AWS）が提供する、機械学習（ML）のライフサイクル全体の効率化をサポートするクラウド機械学習サービスおよびインフラストラクチャです。新興のスタートアップから大規模なエンタープライズにいたるまで、多様な組織や企業がビジネス課題の解決やイノベーションの推進に向けて同社の機械学習サービスを導入しています。同プラットフォームは、SageMaker AIをはじめとする各種ツール群や、目的や用途に応じたインフラを提供し、効率的なスケールをサポートする仕様です。
■SageMaker AIを中心とするライフサイクル全体の開発環境
中核となる「Amazon SageMaker AI」を利用することで、機械学習モデルや基盤モデルの構築、トレーニング、デプロイを大規模かつスピーディーに進めやすくなります。また、トレーニングを数分で開始できる「Hugging Face on Amazon SageMaker」や、ディープラーニング環境に配慮した「AWS Deep Learning Containers」をはじめ、「TensorFlow on AWS」「PyTorch on AWS」などの多様なフレームワーク、安全で共同作業に適した「Jupyter on AWS」など、生産性を高める各種ツールを備えているのが特徴です。
■パフォーマンス向上とコスト削減に配慮した専用インフラ
機械学習モデルや生成AIモデルの分散トレーニングの大規模な実行をサポートする「Amazon SageMaker HyperPod」を搭載しています。インフラストラクチャ面においても、コスト効率に配慮した生成AIモデルのトレーニングをサポートする「Amazon EC2 Trn1 インスタンス」や、深層学習に適したGPU搭載の「Amazon EC2 P5 インスタンス」、推論コストの抑制をサポートする「Amazon EC2 Inf2 インスタンス」など、用途に合わせたコンピューティング環境を提供しているのが強みです。
■信頼を築く責任あるAIのためのフレームワーク
AIやインテリジェントエージェントの成長に伴う新たな課題に対応するため、実践的で拡張性の高い「責任あるAI」のベストプラティクスと各種ツール群を整えています。具体的には、システム設計の健全性を評価する「AWS Well-Architected Responsible AI Lens」や、安全な生成AIアプリ構築をサポートする「Amazon Bedrock Guardrails」、エージェントの安全な運用を支える「Amazon Bedrock AgentCore」などを提供し、開発初日から信頼性の高いAIをスピーディーに構築しやすい設計です。
■検証に活用できる200ドル分の無料クレジット
新規にAWSアカウントを作成すると、100ドルの無料利用枠クレジットを獲得できます。さらに、サービスの利用状況に応じて100ドルの追加クレジット（合計200ドル分）を受け取ることができるため、実際のクラウド環境下で事前に様々な機械学習サービスやAIモデルの実践的な無料体験をスムーズに進められる環境が整っています。
■SageMaker AIを中心とするライフサイクル全体の開発環境
中核となる「Amazon SageMaker AI」を利用することで、機械学習モデルや基盤モデルの構築、トレーニング、デプロイを大規模かつスピーディーに進めやすくなります。また、トレーニングを数分で開始できる「Hugging Face on Amazon SageMaker」や、ディープラーニング環境に配慮した「AWS Deep Learning Containers」をはじめ、「TensorFlow on AWS」「PyTorch on AWS」などの多様なフレームワーク、安全で共同作業に適した「Jupyter on AWS」など、生産性を高める各種ツールを備えているのが特徴です。
■パフォーマンス向上とコスト削減に配慮した専用インフラ
機械学習モデルや生成AIモデルの分散トレーニングの大規模な実行をサポートする「Amazon SageMaker HyperPod」を搭載しています。インフラストラクチャ面においても、コスト効率に配慮した生成AIモデルのトレーニングをサポートする「Amazon EC2 Trn1 インスタンス」や、深層学習に適したGPU搭載の「Amazon EC2 P5 インスタンス」、推論コストの抑制をサポートする「Amazon EC2 Inf2 インスタンス」など、用途に合わせたコンピューティング環境を提供しているのが強みです。
■信頼を築く責任あるAIのためのフレームワーク
AIやインテリジェントエージェントの成長に伴う新たな課題に対応するため、実践的で拡張性の高い「責任あるAI」のベストプラティクスと各種ツール群を整えています。具体的には、システム設計の健全性を評価する「AWS Well-Architected Responsible AI Lens」や、安全な生成AIアプリ構築をサポートする「Amazon Bedrock Guardrails」、エージェントの安全な運用を支える「Amazon Bedrock AgentCore」などを提供し、開発初日から信頼性の高いAIをスピーディーに構築しやすい設計です。
■検証に活用できる200ドル分の無料クレジット
新規にAWSアカウントを作成すると、100ドルの無料利用枠クレジットを獲得できます。さらに、サービスの利用状況に応じて100ドルの追加クレジット（合計200ドル分）を受け取ることができるため、実際のクラウド環境下で事前に様々な機械学習サービスやAIモデルの実践的な無料体験をスムーズに進められる環境が整っています。
NEW
「Azure Machine Learning（アジュール マシン ラーニング）」は、日本マイクロソフト株式会社が提供する、機械学習（ML）ライフサイクル全体のサポートを目指すエンタープライズレベルのクラウド機械学習サービスです。データ準備からモデルの構築、トレーニング、プロンプトエンジニアリング、そして評価、デプロイ、監視にいたるまで、一連のワークフローを1つのスタジオ画面で統合管理をサポートする設計となっています。追加の基本料金なしで利用でき、料金は実際に使用したCPUやGPUなどのコンピューティングリソース分のみ発生する合理的な課金体系を採用しているのが特徴です。高い稼働率を目指すSLA（サービスレベル合意）を設定しており、安定したインフラストラクチャのもとでビジネスクリティカルなモデル開発の大規模な構築・運用を後押しする仕様です。
■Apache Sparkによるデータ準備と一貫した機能ストア
Microsoft Fabric内のApache Sparkクラスターとスムーズに相互運用し、大規模なデータをスピーディーに処理・準備しやすい環境を整えています。また、複数のワークスペース間で特徴量の検出や再利用をサポートする「機能ストア」を備えているのが強みです。これにより、データ分析プロセスの重複低減を図り、モデルの出荷にかかる時間の削減をサポートします。
■ノーコード自動開発から多様な基盤モデルをカバーするモデルカタログ
分類や回帰、高精度なモデルの構築をサポートする「自動ML（自動化された機械学習）」を搭載しています。さらに、独自の「モデルカタログ」を提供しており、Microsoft、OpenAI、Hugging Face、Meta、Cohereなどの基盤モデルの発見、微調整（ファインチューニング）、デプロイをサポートする仕様です。
■プロンプトフローによる言語モデル開発とMLOpsの効率化
言語モデルを活用した生成AIアプリケーション開発の効率化をサポートする「プロンプトフロー」を搭載しています。プロンプトの設計、構築、評価、デプロイにいたるワークフローを視覚的に進めやすいのが特徴です。また、CI/CDパイプラインを活用した機械学習運用（MLOps）に対応し、モデル管理の共同作業やワークフローの効率化を後押しします。
■安全システムを組み込んだ責任あるAIとセキュリティ
開発したAIモデルの公平性、偏見、危害を評価・軽減する「責任あるAI」のダッシュボードやスコアカードなどの安全システムを標準で備えています。セキュリティ面においても、マイクロソフトのセキュリティイニシアティブに携わる3万4000人のフルタイムエンジニアと、1万5000人のセキュリティパートナーによる、安全性を考慮したクラウドインフラストラクチャを提供しているのが強みです。世界各地で多数のコンプライアンス認定を取得しており、データガバナンスとコンプライアンスに対応したAI開発をサポートします。
■Apache Sparkによるデータ準備と一貫した機能ストア
Microsoft Fabric内のApache Sparkクラスターとスムーズに相互運用し、大規模なデータをスピーディーに処理・準備しやすい環境を整えています。また、複数のワークスペース間で特徴量の検出や再利用をサポートする「機能ストア」を備えているのが強みです。これにより、データ分析プロセスの重複低減を図り、モデルの出荷にかかる時間の削減をサポートします。
■ノーコード自動開発から多様な基盤モデルをカバーするモデルカタログ
分類や回帰、高精度なモデルの構築をサポートする「自動ML（自動化された機械学習）」を搭載しています。さらに、独自の「モデルカタログ」を提供しており、Microsoft、OpenAI、Hugging Face、Meta、Cohereなどの基盤モデルの発見、微調整（ファインチューニング）、デプロイをサポートする仕様です。
■プロンプトフローによる言語モデル開発とMLOpsの効率化
言語モデルを活用した生成AIアプリケーション開発の効率化をサポートする「プロンプトフロー」を搭載しています。プロンプトの設計、構築、評価、デプロイにいたるワークフローを視覚的に進めやすいのが特徴です。また、CI/CDパイプラインを活用した機械学習運用（MLOps）に対応し、モデル管理の共同作業やワークフローの効率化を後押しします。
■安全システムを組み込んだ責任あるAIとセキュリティ
開発したAIモデルの公平性、偏見、危害を評価・軽減する「責任あるAI」のダッシュボードやスコアカードなどの安全システムを標準で備えています。セキュリティ面においても、マイクロソフトのセキュリティイニシアティブに携わる3万4000人のフルタイムエンジニアと、1万5000人のセキュリティパートナーによる、安全性を考慮したクラウドインフラストラクチャを提供しているのが強みです。世界各地で多数のコンプライアンス認定を取得しており、データガバナンスとコンプライアンスに対応したAI開発をサポートします。
