- Überblick
- Document Understanding-Prozess
- Schnellstart-Tutorials
- Framework-Komponenten
- Übersicht zur Dokumentklassifizierung
- „Klassifizierer konfigurieren“-Assistent von Classify Document Scope
- FlexiCapture Classifier
- Intelligenter Schlüsselwortklassifizierer
- Schlüsselwortbasierte Classifier (Keyword Based Classifier)
- Machine Learning Classifier
- Dokumentklassifizierung – verwandte Aktivitäten
- ML-Pakete
- Überblick
- Document Understanding – ML-Paket
- DocumentClassifier – ML-Paket
- ML-Pakete mit OCR-Funktionen
- 1040 – ML-Paket
- 1040 Anlage C – ML-Paket
- 1040 Anlage D – ML-Paket
- 1040 Anlage E – ML-Paket
- 4506T – ML-Paket
- 990 – ML-Paket – Vorschau
- ACORD125 – ML-Paket
- ACORD126 – ML-Paket
- ACORD131 – ML-Paket
- ACORD140 – ML-Paket
- ACORD25 – ML-Paket
- Bank Statements – ML-Paket
- BillsOfLading – ML-Paket
- Certificate of Incorporation – ML-Paket
- Certificates of Origin – ML-Paket
- Checks – ML-Paket
- Children Product Certificate – ML-Paket
- CMS1500 – ML-Paket
- EU Declaration of Conformity – ML-Paket
- Financial Statements – ML-Paket
- FM1003 – ML-Paket
- I9 – ML-Paket
- ID Cards – ML-Paket
- Invoices – ML-Paket
- InvoicesAustralia – ML-Paket
- InvoicesChina – ML-Paket
- InvoicesIndia – ML-Paket
- InvoicesJapan – ML-Paket
- Invoices Shipping – ML-Paket
- Packing Lists – ML-Paket
- Passports – ML-Paket
- Gehaltsabrechnungen (Pay slips) – ML-Paket
- Purchase Orders – ML-Paket
- Zahlungsbelege – ML-Paket
- RemittanceAdvices – ML-Paket
- UB04 – ML-Paket
- Utility Bills – ML-Paket
- Vehicle Titles – ML-Paket
- W2 – ML-Paket
- W9 – ML-Paket
- Andere out-of-the-box ML-Pakete
- Öffentliche Endpunkte
- Hardwareanforderungen
- Pipelines
- Dokumentmanager
- OCR-Dienste
- Deep Learning
- Document Understanding – in der Automation Suite bereitgestellt
- Installieren und verwenden
- First Run Experience
- UiPathDocumentOCR bereitstellen
- Ein out-of-the-box ML-Paket bereitstellen
- Offline bundles 2023.10.11
- Offline-Bundles 2023.10.10
- Offline-Bundles 2023.10.9
- Offlinepakete 2023.10.8
- Offlinepakete 2023.10.7+patch1
- Offlinepakete 2023.10.7
- Offlinepakete 2023.10.6
- Offlinepakete 2023.10.5
- Offlinepakete 2023.10.4
- Offlinepakete 2023.10.3
- Offlinepakete 2023.10.2
- Offlinepakete 2023.10.1
- Offlinepakete 2023.10.0
- Verwenden von Document Manager
- Framework verwenden
- Document Understanding – im eigenständigen AI Center bereitgestellt
- Lizenzierung
- Aktivitäten
- UiPath.Abbyy.Activities
- UiPath.AbbyyEmbedded.Activities
- UiPath.DocumentProcessing.Contracts
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.IntelligentOCR.Aktivitäten (UiPath.IntelligentOCR.Activities)
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.Omnipage.Activities
- UiPath.PDF.Aktivitäten (UiPath.PDF.Activities)

Document Understanding-Benutzerhandbuch.
Document UnderstandingTM-ML-Pakete können alle drei Pipelinetypen ausführen:
Nach Abschluss einer Pipeline sind Ausgaben und Protokolle verfügbar. Um diese Informationen zu überprüfen, wählen Sie im linken Seitenbereich unter Pipelines die Pipelineansicht mit folgenden Angaben zu öffnen:
- Pipelinedetails wie Typ, Name und Version des ML-Pakets, Dataset, GPU-Nutzung, Parameter und Ausführungszeit
- Bereich Ausgaben; dieser enthält immer eine
_results.json
-Datei mit einer Zusammenfassung der Pipelinedetails - Seite Protokolle; die Protokolle können auch auf der Registerkarte ML-Protokolle in der linken Seitenleiste abgerufen werden
Trainingspipelines oder vollständige Pipelines können auch verwendet werden für:
- Feinabstimmung von ML-Modellen mit Daten aus der Validation Station
Training:
Training eines Modells von Grund auf, d. h. mit dem ML-Paket für DocumentUnderstanding im AI Center.
Erneutes Training:
Training mit einem vortrainierten Basismodell, d. h. mit einem der anderen ML-Pakete zur Dokumentextraktion im AI Center, etwa für Invoices, Receipts, Purchase Orders usw.
Automatisches erneutes Training:
Dies ist der Name einer Umgebungsvariablen, die beim Erstellen einer Pipeline im AI Center festgelegt werden kann. Sie ermöglicht es der Pipeline, automatisch das zuletzt exportierte Dataset für das Training zu verwenden. Diese Variable ist unabhängig davon, ob dieses Dataset Daten aus der Validation Station enthält oder nicht.
Feinabstimmung:
Training oder erneutes Training eines Modells mithilfe eines Datasets, der Daten aus der Validation Station enthält.
Automatische Feinabstimmung:
Verwendung der Umgebungsvariablenfunktion für automatisches erneutes Training für ein Modells mithilfe der Daten, die mithilfe der Funktion für den geplanten Export von Document Manager aus der Validation Station eingespeist werden.