Feinabstimmung

In AI Center lassen sich ML-Modelle auch mithilfe von Daten anpassen, die von einem Menschen mithilfe der Validation Station überprüft wurden.

Da Ihre RPA Workflow Dokumente mit einem vorhandenen ML-Modell verarbeitet, können einige Dokumente eine menschliche Validierung mithilfe der Aktivität Present Validation Station erfordern (verfügbar für „Attended Bots“ oder im Browser mithilfe von Orchestrator Action Center).

Die in der Validation Station generierten validierten Daten können mit der Aktivität Machine Learning Extractor Trainer exportiert und zur Feinabstimmung von ML-Modellen im AI Center verwendet werden.

Es wird nicht empfohlen, ML-Modelle von Grund auf (d. h. das ML-Paket von DocumentUnderstanding) mit Daten aus der Validation Station zu trainieren, es sei denn vorhandene ML-Modelle (einschließlich out-of-the-box Modelle) sollen fein abgestimmt werden.

For the detailed steps involved in fine-tuning an ML model see the Import Documents section of the Document Manager documentation.

For more details about how to build a dataset for fine-tuning, go here.

Wichtig:

It if often wrongly assumed that the way to use Validation Station data is to retrain the previous model version iteratively, so the current batch is used to train package X.1 to obtain X.2. Then the next batch trains on X.2 to obtain X.3 and so on. This is the wrong way to use the product. Each Validation Station batch needs to be imported into the same Document Manager session as the original manually labeled data making a larger dataset, which must be used to train always on the X.0 ML Package version.