- Introducción
- Configuración de su cuenta
- Equilibrio
- Clústeres
- Deriva del concepto
- Cobertura
- Conjuntos de datos
- Campos generales
- Etiquetas (predicciones, niveles de confianza, jerarquía de etiquetas y sentimiento de etiqueta)
- Modelos
- Transmisiones
- Clasificación del modelo
- Proyectos
- Precisión
- Recordar
- Mensajes anotados y no anotados
- Campos extraídos
- Fuentes
- Taxonomías
- Formación
- Predicciones positivas y negativas verdaderas y falsas
- Validación
- Mensajes
- Control de acceso y 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 conjunto de datos
- Fuentes y conjuntos de datos multilingües
- Habilitar sentimiento en un conjunto de datos
- Modificar la configuración del conjunto de datos
- Eliminar un mensaje
- Eliminar un conjunto de datos
- Exportar un conjunto de datos
- Utilizar integraciones de Exchange
- Entrenamiento y mantenimiento de modelos
- Comprender las etiquetas, los campos generales y los metadatos
- Jerarquía de etiquetas y mejores prácticas
- Comparar casos de uso de análisis y automatización
- Convertir tus objetivos en etiquetas
- Descripción general del proceso de entrenamiento del modelo
- Anotación generativa
- Estado de Dastaset
- Entrenamiento de modelos y mejores prácticas de anotación
- Entrenamiento con análisis de sentimiento de etiqueta habilitado
- Chat de entrenamiento y datos de llamadas
- 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
- Razones para etiquetar 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
- Automations and Communications Mining™
- Desarrollador
- Introducción
- Uso de la API
- Tutorial de la API
- Resumen
- Fuentes
- Conjuntos de datos
- Comentarios
- Archivos adjuntos
- Predictions
- Crear una transmisión
- Actualizar una transmisión
- Obtener una transmisión por nombre
- Obtener todas las transmisiones
- Eliminar una transmisión
- Obtener resultados de la transmisión
- Obtener comentarios de una transmisión (heredado)
- Avanzar una transmisión
- Restablecer una transmisión
- Etiquetar una excepción
- Desetiquetar una excepción
- Eventos de auditoría
- Obtener todos los usuarios
- Integración de Exchange con el usuario del servicio de Azure
- Integración de Exchange con la autenticación de aplicaciones de Azure
- Integración de Exchange con Azure Application Authentication y Graph
- Obtener datos para Tableau con Python
- Integración de Elasticsearch
- Integración de Exchange autohospedado
- Marco de automatización de UiPath®
- Actividades de UiPath® Marketplace
- Actividades oficiales de UiPath®
- Cómo aprenden las máquinas a entender palabras: una guía para las incrustaciones en PNL
- Aprendizaje basado en solicitudes con Transformers
- Efficient Transformers II: destilación de conocimientos y ajuste
- Transformadores eficientes I: mecanismos de atención
- Modelado de intenciones jerárquico profundo no supervisado: obtener valor sin datos de entrenamiento
- Corregir el sesgo de anotación con Communications Mining™
- Aprendizaje activo: mejores modelos ML en menos tiempo
- Todo está en los números: evaluar el rendimiento del modelo con métricas
- Por qué es importante la validación del modelo
- Comparación de Communications Mining™ y Google AutoML para la inteligencia de datos conversacional
- Licencia
- Preguntas frecuentes y más
Guía del usuario de Communications Mining
La plataforma puede admitir múltiples formas de datos conversacionales, es decir, cuando una persona está hablando con otra persona en un canal digital. Los ejemplos incluyen correos electrónicos, tickets de gestión de casos, chats, transcripciones de llamadas, encuestas, revisiones, notas de casos, entre otros.
La plataforma interpreta los contenidos conversacionales básicos de una conversación. Para las conversaciones por correo electrónico, se tienen en cuenta los asuntos, el texto del cuerpo y el hilo, pero no el contenido de los archivos adjuntos. La plataforma puede identificar cuándo los correos electrónicos tienen archivos adjuntos y sus nombres, tipos de archivo y tamaño. Los nombres de los archivos adjuntos pueden mostrarse en la interfaz de usuario y pueden formar parte del cuerpo del texto a partir del cual se entrenan los modelos de la plataforma.
El objetivo de entrenar un modelo es crear un conjunto de datos de entrenamiento que sea lo más representativo posible del conjunto de datos en su conjunto, de modo que la plataforma pueda predecir con precisión y confianza las etiquetas relevantes y los campos generales para cada mensaje. Las etiquetas y los campos generales dentro de un conjunto de datos deben estar intrínsecamente vinculados a los objetivos generales del caso de uso y proporcionar un valor comercial significativo.
Sí, si tienes suficientes permisos puedes utilizar nuestras API para añadir datos a la plataforma, o puedes añadir datos a una fuente mediante la carga de CSV.
El almacenamiento de datos en la plataforma puede escalarse para adaptarse a las necesidades de nuestros clientes, y el uso del volumen permitido depende de los términos de licencia acordados. El uso dentro del volumen máximo acordado en la licencia es completamente aceptable. Superar el volumen máximo requerirá una discusión y puede incurrir en un costo adicional.
La plataforma no eliminará automáticamente los datos históricos. Si es necesario, tu administrador de Communications Mining™ puede eliminar los datos más antiguos.
Los usuarios pueden exportar sus datos desde la plataforma a través de CSV o utilizando las API de la plataforma. En nuestras guías prácticas , así como en nuestra documentación de la API, se muestran explicaciones detalladas sobre cómo hacerlo. La plataforma no eliminará automáticamente los datos históricos. Si es necesario, tu administrador de Communications Mining™ puede eliminar los datos más antiguos.
Una vez que haya iniciado sesión, se le redirigirá a la página Conjuntos de datos, donde podrá crear su propio conjunto de datos, si tiene los permisos asociados para hacerlo. Para obtener más detalles, consulta Crear un nuevo conjunto de datos.
Para obtener más información sobre este tema, consulta Introducción a la documentación de la API.
- ¿Qué formas de comunicación maneja?
- ¿Cómo se gestionan las comunicaciones con archivos adjuntos?
- ¿Puedo subir datos a la plataforma yo mismo?
- ¿Qué volúmenes de datos puede admitir la plataforma? ¿Hay algún límite?
- ¿Durante cuánto tiempo almacena la plataforma mis datos?
- ¿Cómo puedo exportar mis datos desde la plataforma para poder utilizarlos en otro lugar?
- ¿Cómo creo mis propios conjuntos de datos?
- ¿Cómo puedo conectarme a la API?
