(EN) An information processing device (110) includes: a data collection unit (112) that collects sensor data from a plurality of sensors (101); a determination data generation unit (131) that generates determination batch data including learned data as learning data already used for learning of a learning model for performing prediction on the basis of the sensor data, and unlearned data corresponding to the sensor data; and a re-learning determination unit (132) that calculates a trend score using a covariate affecting a result of the prediction to the learned data and the unlearned data to perform stratification of allocating the learned data and the unlearned data to a plurality of layers, and uses a result of the stratification to determine whether or not to re-learn the learning model using appearance frequency of important layers and appearance frequency of important data.
(FR) Dispositif de traitement d'informations (110) comprenant : une unité de collecte de données (112) qui collecte des données de capteurs à partir d'une pluralité de capteurs (101) ; une unité de génération de données de détermination (131) qui génère des données de lot de détermination comportant des données apprises en tant que données d'apprentissage déjà utilisées destinées à l'apprentissage d'un modèle d'apprentissage pour effectuer une prédiction sur la base des données de capteurs, et des données non apprises correspondant aux données de capteurs ; et une unité de détermination de ré-apprentissage (132) qui calcule un indice de tendance à l'aide d'une covariable affectant un résultat de la prédiction aux données apprises et aux données non apprises pour effectuer une stratification d'attribution des données apprises et les données non apprises à une pluralité de couches, et utilise un résultat de la stratification pour déterminer s'il faut ou non ré-apprendre le modèle d'apprentissage à l'aide de la fréquence d'apparition de couches importantes et de la fréquence d'apparition de données importantes.
(JA) 情報処理装置(110)は、複数のセンサ(101)からセンサデータを収集するデータ収集部(112)と、センサデータに基づいて予測を行うための学習モデルを学習するために既に用いられた学習データである学習済データ及びそのセンサデータに対応する未学習データを含む判定バッチデータを生成する判定データ生成部(131)と、学習済データ及び未学習データに対して、予測の結果に影響を及ぼす共変量を用いて傾向スコアを算出することで、学習済データ及び未学習データを複数の層に割り振る層別を行い、その層別の結果から、重要層の出現頻度と、重要データの出現頻度とを用いて、学習モデルを再学習するか否かを判断する再学習判定部(132)とを備える。