Conceptos de aprendizaje automático

Explore artículos en profundidad sobre los conceptos de aprendizaje automático detrás de Communications Mining, incluidas las incrustaciones de NLP, las arquitecturas de Transformer, el aprendizaje activo, la validación de modelos y las métricas de rendimiento.

Esta página incluye guías y recursos sobre los conceptos de aprendizaje automático detrás de Communications Mining, y se enumeran en la siguiente tabla:

Guía	Descripción
Cómo aprenden las máquinas a entender palabras: una guía para las incrustaciones en PNL	Cómo Communications Mining utiliza incrustaciones basadas en Transformer para representar texto semánticamente y potenciar sus modelos de aprendizaje automático.
Aprendizaje basado en solicitudes con Transformers	Cómo el aprendizaje basado en solicitudes con modelos de Transformer mejora las tareas de procesamiento del lenguaje natural.
Efficient Transformers II: destilación de conocimientos y ajuste	Cómo la destilación y el ajuste del conocimiento hacen que los modelos de NLP basados en Transformer sean más eficientes.
Transformadores eficientes I: mecanismos de atención	Cómo los mecanismos de atención hacen que los modelos de NLP basados en Transformer sean más eficientes.
Modelado de intenciones jerárquico profundo no supervisado: obtener valor sin datos de entrenamiento	Cómo el modelado de intención jerárquico no supervisado extrae valor de las comunicaciones sin datos de entrenamiento.
Corregir el sesgo de anotación con Communications Mining™	Qué causa el sesgo de anotación en los modelos de aprendizaje automático y cómo remediarlo.
Aprendizaje activo: mejores modelos ML en menos tiempo	Cómo el aprendizaje activo reduce el esfuerzo de anotación necesario para entrenar modelos de aprendizaje automático precisos.
Todo está en los números: evaluar el rendimiento del modelo con métricas	Cómo interpretar las métricas de rendimiento utilizadas para evaluar los modelos de aprendizaje automático.
Por qué es importante la validación del modelo	Por qué importa la validación del modelo y los riesgos de implementar un modelo no validado.
Comparación de Communications Mining™ y Google AutoML para la inteligencia de datos conversacional	Cómo se compara Communications Mining con Google AutoML para la automatización de procesos impulsada por NLP y la inteligencia de datos conversacional.