- Primeros pasos
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales (anteriormente entidades)
- Etiquetas (predicciones, niveles de confianza, jerarquía, etc.)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Annotated and unannotated messages
- Campos extraídos
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Administración
- Gestionar fuentes y conjuntos de datos
- Comprender la estructura de datos y los permisos
- Crear o eliminar un origen de datos en la GUI
- Cargar un archivo CSV en un origen
- Preparando datos para cargar archivos .CSV
- Crear un nuevo conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración de un conjunto de datos
- Eliminar mensajes a través de la IU
- Eliminar un conjunto de datos
- Exportar un conjunto de datos
- Uso de integraciones de Exchange
- Entrenamiento y mantenimiento de modelos
- Understanding labels, general fields, and metadata
- Label hierarchy and best practices
- Definición de los objetivos de taxonomía
- Casos de uso de análisis frente a automatización
- Convertir tus objetivos en etiquetas
- Crear tu estructura de taxonomía
- Mejores prácticas de diseño de taxonomía
- Importar tu taxonomía
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa (NUEVO)
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Comprender los requisitos de datos
- Entrenamiento
- Introducción a Refinar
- Explicación de la precisión y la recuperación
- Precisión y recuperación
- ¿Cómo funciona la validación?
- Comprender y mejorar el rendimiento del modelo
- ¿Por qué una etiqueta puede tener una precisión media baja?
- Entrenamiento utilizando la etiqueta Comprobar y la etiqueta Perdida
- Entrenamiento mediante la etiqueta de aprendizaje (refinar)
- Entrenamiento mediante Buscar (Refinar)
- Comprender y aumentar la cobertura
- Mejorar el equilibrio y utilizar Reequilibrar
- Cuándo dejar de entrenar tu modelo
- Uso de campos generales
- Extracción generativa
- Uso de análisis y supervisión
- Minería de automatizaciones y comunicaciones
- Información de licencia
- Preguntas frecuentes y más

Guía de usuario de Communications Mining
Crear o eliminar un origen de datos en la GUI
Permisos de usuario necesarios: 'Administrador de fuentes'.
La creación de un origen en la GUI esencialmente configura un origen vacío con propiedades definidas (como se muestra a continuación), en el que los datos pueden cargarse a través de la API. La configuración de esta fuente también se puede realizar a través de la API (ver aquí), sin embargo, este método puede ser más fácil para los usuarios no técnicos para definir fácilmente sus propiedades de origen, antes de que un usuario técnico cargue los datos.
Esto no cubre cómo cargar datos a una fuente a través de la API. Para obtener más información al respecto, consulta la sección correspondiente de la documentación de la API aquí.
Para crear un origen de datos en la GUI:
- Dirígete a la página "Fuentes" a través de la consola de administración
- Selecciona el botón "Nueva fuente" en la parte superior de la página
- Rellena las propiedades de origen requeridas, que incluyen:
- Proyecto de origen
- Nombre de origen
- Título del origen
- Descripción de origen
- Propiedades confidenciales (que requieren el permiso Ver datos confidenciales para ver)
- Idioma
- Traducción habilitada o deshabilitada (permiso necesario para Crear fuentes traducidas )
- Selecciona Crear origen.
Para eliminar una fuente de datos, ve a la Consola de administración, elige la página Fuentes y selecciona el icono de la papelera en la fuente que quieres eliminar.