通知を受け取る

UiPath AI Center™

UiPath AI Center™

概要

UiPath AI CenterTM にはすぐに使えるマシン ラーニング機能が多数用意されています。たとえば、Document Understanding が利用できます。また、AI Center には、UiPath が構築したモデルやオープンソース モデル (サービング専用で再トレーニング可能) が継続的に追加されています。

📘

注:

AI CenterTM で ML パッケージを作成する際、パッケージ名に classbreakfromfinallyglobalNone などの Python の予約語を含めることはできません。必ず別の名前を選択してください。なお、パッケージ名は class <pkg-name> および import <pck-name> で使用されるため、前述の予約語は一例であり他の予約語も存在します。

すぐに使えるパッケージを使用する

[すぐに使えるパッケージ] セクションで提供されているパッケージを基に、独自のパッケージを作成できます。このリストからパッケージを選択すると、提供されているパッケージが複製され、任意のデータセットを使用してトレーニングできます。

次の手順を行います。

  1. データセットを作成します。データセットを構築する方法について詳しくは、「データセットを管理する」をご覧ください。
  2. [ML パッケージ] > [すぐに使えるパッケージ] に移動し、必要なパッケージを選択します。
  3. 必要な情報を入力します。
    • パッケージ名
    • パッケージ バージョンを選択
    • 説明
    • 入力の説明
    • 出力の説明
  4. [提出] をクリックします。
    各パッケージに必要な情報の詳細については、本ガイドの個々のページをご覧ください。
18981898

現在、プラットフォームでは以下のパッケージが利用可能です。

ModelCategoryTypeAvailability
ContractsUiPath Document UnderstandingPre TrainedPreview
Delivery NotesUiPath Document UnderstandingCustom TrainingPreview
Document ClassifierUiPath Document UnderstandingCustom TrainingGeneral Availability
Document UnderstandingUiPath Document UnderstandingCustom TrainingGeneral Availability
ID CardsUiPath Document UnderstandingPre Trained and Fine TunablePreview
InvoicesUiPath Document UnderstandingPre Trained and Fine TunableGeneral Availability
Invoices AustraliaUiPath Document UnderstandingPre Trained and Fine TunableGeneral Availability
Invoices ChinaUiPath Document UnderstandingPre Trained and Fine TunablePreview
Invoices IndiaUiPath Document UnderstandingPre Trained and Fine TunableGeneral Availability
Invoices JapanUiPath Document UnderstandingPre Trained and Fine TunablePreview
PassportsUiPath Document UnderstandingPre Trained and Fine TunablePreview
Purchase OrdersUiPath Document UnderstandingPre Trained and Fine TunableGeneral Availability
ReceiptsUiPath Document UnderstandingPre Trained and Fine TunableGeneral Availability
Remittance AdvicesUiPath Document UnderstandingPre Trained and Fine TunablePreview
Utility BillsUiPath Document UnderstandingPre Trained and Fine TunablePreview
W2UiPath Document UnderstandingPre Trained and Fine TunablePreview
W9UiPath Document UnderstandingPre Trained and Fine TunablePreview
Image ClassificationUiPath Image AnalysisCustom TrainingPreview
Signature ComparisonUiPath Image AnalysisCustom TrainingPreview
Custom Named Entity RecognitionUiPath Language AnalysisCustom TrainingGeneral Availability
Light Text ClassificationUiPath Language AnalysisCustom TrainingGeneral Availability
Multilingual Text ClassificationUiPath Language AnalysisCustom TrainingGeneral Availability
Semantic SimilarityUiPath Language AnalysisPre TrainedPreview
Multilabel Text ClassificationUiPath Language AnalysisCustom TrainingPreview
TM Analyzer ModelUiPath Task MiningCustom TrainingGeneral Availability
Image ModerationOpen-Source Packages - Image AnalysisPre TrainedN/A
Object DetectionOpen-Source Packages - Image AnalysisPre Trained and Custom TrainingN/A
English Text ClassificationOpen-Source Packages - Language AnalysisCustom TrainingN/A
French Text ClassificationOpen-Source Packages - Language AnalysisCustom TrainingN/A
Japanese Text ClassificationOpen-Source Packages - Language AnalysisCustom TrainingN/A
Language DetectionOpen-Source Packages - Language AnalysisPre TrainedN/A
Named Entity RecognitionOpen-Source Packages - Language AnalysisPre TrainedN/A
Sentiment AnalysisOpen-Source Packages - Language AnalysisPre TrainedN/A
Text ClassificationOpen-Source Packages - Language AnalysisCustom TrainingN/A
Question AnsweringOpen-Source Packages - Language ComprehensionPre TrainedN/A
Semantic SimilarityOpen-Source Packages - Language ComprehensionPre TrainedN/A
Text SummarizationOpen-Source Packages - Language ComprehensionPre TrainedN/A
English To French TranslationOpen-Source Packages - Language TranslationPre TrainedN/A
English To German TranslationOpen-Source Packages - Language TranslationPre TrainedN/A
English To Russian TranslationOpen-Source Packages - Language TranslationPre TrainedN/A
German To English TranslationOpen-Source Packages - Language TranslationPre TrainedN/A
Russian To English TranslationOpen-Source Packages - Language TranslationPre TrainedN/A
TPOT Tabular ClassificationOpen-Source Packages - Tabular DataCustom TrainingN/A
TPOT Tabular RegressionOpen-Source Packages - Tabular DataCustom TrainingN/A
XGBoost Tabular ClassificationOpen-Source Packages - Tabular DataCustom TrainingN/A
XGBoost Tabular RegressionOpen-Source Packages - Tabular DataCustom TrainingN/A

Ready-to-Deploy

すぐにデプロイして RPA ワークフローに追加できるパッケージの例を示します。本製品には、ほかにも数多くのパッケージが含まれています。

Sentiment Analysis (センチメント解析)

このモデルは、英語で書かれたテキストのセンチメントを予測します。Facebook Research によりオープン ソース化されたモデルです。可能な予測は、「非常に否定的」、「否定的」、「中立」、「肯定的」、「非常に肯定的」のいずれかです。モデルは、Amazon の製品レビュー データを使用してトレーニングされたため、異なる分布のデータについては、予想外の予測結果となる可能性があります。一般的なユース ケースは、構造化されていない言語コンテンツ (電子メールなど) をテキストのセンチメントに基づいて転送する処理です。
Joulin 他による研究論文「Bag of Tricks for Efficient Text Classification」(効率的なテキスト分類のための各種手法) に基づいています。

Question Answering (質問回答)

このモデルは、英語で書かれた質問に対する回答を、何かしらの段落の文脈に基づいて予測します。ONNX によりオープン ソース化されたモデルです。一般的なユース ケースは、KYC や、財務レポートの処理です。一般的な質問を標準化された一連の半構造化文書に適用できる場合に適しています。最先端の BERT (Bidirectional Encoder Representations from Transformers) (Transformer による双方向のエンコード表現) に基づいています。このモデルは、広く使用されている注意モデル Transformer を言語モデリングに適用し、入力をエンコードしたうえで、質問回答のタスクに対するトレーニングを行います。
研究論文「BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding」(BERT: 言語理解のための深層双方向 Transformer のプリトレーニング) に基づいています。

Language Identification (言語識別)

このモデルは、テキスト入力の言語を予測します。以下の 176 の言語に対する予測が可能です。

Languages
af als am an ar arz as ast av az azb ba bar bcl be bg bh bn bo bpy br bs bxr ca cbk ce ceb ckb co cs cv cy da de diq dsb dty dv el eml en eo es et eu fa fi fr frr fy ga gd gl gn gom gu gv he hi hif hr hsb ht hu hy ia id ie ilo io is it ja jbo jv ka kk km kn ko krc ku kv kw ky la lb lez li lmo lo lrc lt lv mai mg mhr min mk ml mn mr mrj ms mt mwl my myv mzn nah nap nds ne new nl nn no oc or os pa pam pfl pl pms pnb ps pt qu rm ro ru rue sa sah sc scn sco sd sh si sk sl so sq sr su sv sw ta te tg th tk tl tr tt tyv ug uk ur uz vec vep vi vls vo wa war wuu xal xmf yi yo yue zh

Facebook Research によりオープン ソース化されたモデルです。このモデルは、Creative Commons Attribution-Share-Alike License 3.0 の下で使用される、Wikipedia、Tatoeba、および SETimes のデータに基づいてトレーニングされました。一般的なユース ケースは、構造化されていない言語コンテンツ (電子メールなど) を、テキストに使用されている言語に基づいて適切な回答者に転送することです。
Joulin 他による研究論文「Bag of Tricks for Efficient Text Classification」(効率的なテキスト分類のための各種手法) に基づいています。

English To French (英語からフランス語)

これは、英語をフランス語に翻訳する、seq2seq 機械翻訳モデルです。Facebook AI Research (FAIR) によりオープン ソース化されています。
Gehring 他による論文「Convolutional Sequence to Sequence Learning」(畳み込みシーケンス ツー シーケンス学習) に基づいています。

English To German (英語からドイツ語)

これは、英語をドイツ語に翻訳する、seq2seq 機械翻訳モデルです。Facebook AI Research (FAIR) によりオープン ソース化されています。
Ng 他による論文「Facebook FAIR's WMT19 News Translation Submission」(Facebook FAIR による WMT19 ニュース翻訳送信」に基づいています。

German To English (ドイツ語から英語)

これは、英語をロシア語に翻訳する、seq2seq 機械翻訳モデルです。Facebook AI Research (FAIR) によりオープン ソース化されています。
Ng 他による論文「Facebook FAIR's WMT19 News Translation Submission」(Facebook FAIR による WMT19 ニュース翻訳送信」に基づいています。

English To Russian (英語からロシア語)

これは、英語をドイツ語に翻訳する、seq2seq 機械翻訳モデルです。Facebook AI Research (FAIR) によりオープン ソース化されています。
Ng 他による論文「Facebook FAIR's WMT19 News Translation Submission」(Facebook FAIR による WMT19 ニュース翻訳送信」に基づいています。

Russian To English (ロシア語から英語)

これは、英語をロシア語に翻訳する、seq2seq 機械翻訳モデルです。Facebook AI Research (FAIR) によりオープン ソース化されています。
Ng 他による論文「Facebook FAIR's WMT19 News Translation Submission」(Facebook FAIR による WMT19 ニュース翻訳送信」に基づいています。

Named Entity Recognition (名前付きエンティティ認識)

This model returns a list of entities recognized in text. The 18 types of named entities recognized use the same output class as in OntoNotes5 which is commonly used for benchmarking this task in academia. The model is based on the paper 'Approaching nested named entity recognition with parallel LSTM-CRFs' by Borchmann et al, 2018.
以下に、18 種類のクラスを示します。

EntityDescription
PERSONPeople, including fictional.
NORPNationalities or religious or political groups.
FACBuildings, airports, highways, bridges, etc.
ORGCompanies, agencies, institutions, etc.
GPECountries, cities, states.
LOCNon-GPE locations, mountain ranges, bodies of water.
PRODUCTObjects, vehicles, foods, etc. (Not services.)
EVENTNamed hurricanes, battles, wars, sports events, etc.
WORK_OF_ARTTitles of books, songs, etc.
LAWNamed documents made into laws.
LANGUAGEAny named language.
DATEAbsolute or relative dates or periods.
TIMETimes smaller than a day.
PERCENTPercentage, including ”%“.
MONEYMonetary values, including unit.
QUANTITYMeasurements, as of weight or distance.
ORDINAL“first”, “second”, etc.
CARDINALNumerals that do not fall under another type.

Re-trainable

Example packages that can be trained by adding data to AI Center storage and starting a pipeline, more models can be found in the product.

English Text Classification (英語テキスト分類)

これは、英語テキスト分類のための一般的で再トレーニング可能なモデルです。一般的なユースケースとして、メール分類、サービス チケット分類、カスタム センチメント分析などがあります。詳しくは、「英語テキスト分類」をご覧ください。

French Text Classification (フランス語テキスト分類)

これは、フランス語テキストの分類のための一般的で再トレーニング可能なモデルです。一般的なユースケースとして、メール分類、サービス チケット分類、カスタム センチメント分析などがあります。詳しくは、「French Text Classification (フランス語テキスト分類)」をご覧ください。

Multilingual Text Classification (多言語テキスト分類)

This is the preview version of a generic, retrainable model for text classification. It supports the top 100 Wikipedia languages listed here (https://docs.uipath.com/ai-fabric/lang-ja/v0/docs/multi-lingual-text-classification#languages). This ML Package must be trained, and if deployed without training first, the deployment will fail with an error stating that the model is not trained. It is based on BERT, a self-supervised method for pretraining natural language processing systems. A GPU is recommended especially during training. A GPU delivers ~5-10x improvement in speed.

Custom Named Entity Recognition (カスタム固有表現抽出)

このプレビュー モデルでは、抽出するエンティティでタグ付けされた独自のデータセットを使用できます。トレーニングおよび評価データセットは、CoNLL 形式である必要があります。

Tabular Classification AutoML - TPOT (表形式データ分類 AutoML - TPOT)

これは、表形式 (例: CSV、Excel) データの分類のための一般的で再トレーニング可能なモデルです。つまり、列の表とターゲット列を指定すると、そのデータのモデルを探します。詳しくは、「TPOT AutoML 分類」をご覧ください。

Tabular Classification - TPOT XGBoost (表形式データ分類 - TPOT XGBoost)

これは、表形式 (例: CSV、Excel) データの分類のための一般的で再トレーニング可能なモデルです。つまり、列の表とターゲット列を指定すると、そのデータのモデル (XGBoost に基づく) を探します。「TPOT XGBoost 分類」をご覧ください。

7 か月前に更新


概要


改善の提案は、API リファレンスのページでは制限されています

改善を提案できるのは Markdown の本文コンテンツのみであり、API 仕様に行うことはできません。