- Notas relacionadas
- Antes de empezar
- Primeros pasos
- Instalación de AI Center
- Migración y actualización
- Proyectos
- Conjuntos de datos
- Etiquetado de datos
- Paquetes ML
- Paquetes listos para usar
- Procesos
- Habilidades ML
- Logs de ML
- Document UnderstandingTM en AI Center
- API de AI Center
- Tutorial
- Licencia
- Guía básica de resolución de problemas
Uso de AI Center
This page lists the core concepts used within UiPath® AI Center.
Puedes encontrar información general relacionada con tu perfil haciendo clic en el botón de los tres puntos y seleccionando Ver perfil en el menú desplegable.
En la sección General puede encontrar la siguiente información:
- Nombre de la cuenta
- ID de la cuenta
- Nombre del tenant
- IDdeTenant
- Nombre
- Apellidos
- Correo electrónico
En la sección Permisos compruebas los permisos asociados a tu perfil.
Un proyecto es un grupo aislado de recursos (conjuntos de datos, procesos, paquetes, habilidades y registros) que puedes usar para habilitar la creación de una solución ML específica para diferentes automatizaciones empresariales.
Un paquete ML es un grupo de versiones de paquetes del mismo tipo de paquete. Piensa en ello como una carpeta que contiene versiones de paquetes del mismo tipo. Una versión de paquete es un modelo entrenado que puedes implementar en una habilidad para integrarla en un flujo de trabajo de RPA.
Un conjunto de datos es una carpeta de almacenamiento que contiene archivos y subcarpetas arbitrarias. Un modelo está entrenado en un conjunto de datos.
Etiquetado de datos te permite cargar datos sin procesar, anotar datos de texto en la herramienta de etiquetado (para clasificación o reconocimiento de entidades) y utilizar los datos etiquetados para entrenar modelos ML. También lo utiliza el revisor humano para volver a etiquetar predicciones incorrectas como parte del proceso de comentarios. Esta característica incorpora el flujo de trabajo completo de creación de modelos de texto en AI Center, sin necesidad de herramientas e integraciones de terceros.
Los procesos representan las diversas acciones que puedes realizar en paquetes o en versiones de paquetes.
Estos representan una descripción de un flujo de trabajo ML, que incluye todas las funciones en el flujo de trabajo y su orden de ejecución. El proceso incluye la definición de los inputs necesarios para ejecutarlo y los outputs que se pueden obtener de él.
Una ejecución de proceso es una ejecución de un proceso basado en el código proporcionado por el usuario. Este código es en el que se implementan las funciones llamadas en el proceso.
Hay tres tipos de procesos:
- Proceso de entrenamiento: toma como input un paquete y un conjunto de datos, y produce una nueva versión de paquete.
- Proceso de evaluación: toma como input una versión de paquete y un conjunto de datos, y produce un conjunto de métricas y registros.
- Proceso completo: ejecuta un proceso de entrenamiento e inmediatamente después un proceso de evaluación.
Una habilidad ML es una implementación en producción de una versión de paquete; puede utilizarse en un flujo de trabajo de RPA simplemente arrastrando y soltando una actividad de habilidad ML en UiPath Studio.
Los registros ML son una vista consolidada de todos los eventos relacionados con un proyecto.
Un usuario crea un proyecto, carga un paquete entrenado (o selecciona uno de los paquetes proporcionados) y lo implementa como una habilidad.
Un desarrollador de RPA ahora puede arrastrar y soltar una actividad para utilizar el modelo en la producción.
Un usuario crea un proyecto y carga una carpeta con datos en un conjunto de datos. A continuación, el usuario carga un paquete aún por entrenar, ejecuta un proceso de entrenamiento que produce un modelo entrenado y, por último, implementa el modelo entrenado como una habilidad.
Un desarrollador de RPA luego puede arrastrar y soltar una actividad para utilizar el modelo en la producción. Además, el desarrollador de RPA ahora puede enviar nuevos datos etiquetados de nuevo al conjunto de datos creado para que el modelo se reentrene de forma continuada.
