- 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 y administración de acceso
- 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
- Uso de la API
- Tutorial de la API
- 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
- Cargar datos
- Descargando datos
- 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
- Extracción de campos general
- Integración de Exchange autohospedado
- Marco de automatización de UiPath®
- 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
Antes de comenzar a entrenar tu modelo, asegúrate de leer los siguientes consejos y evitar los errores más comunes. Esto ayudará a reducir el tiempo de entrenamiento y a mejorar el rendimiento de tu modelo.
- Añade todas las etiquetas que correspondan.
- Añade etiquetas de forma coherente.
- Etiqueta lo que puedes ver frente a ti.
Añade todas las etiquetas que se aplican a un mensaje. Es un error común que los nuevos usuarios anoten parcialmente un mensaje aplicando solo el que les interesa y olvidándose de añadir todos los demás que correspondan. No aplicar una etiqueta es tan poderoso como aplicar una: le estás diciendo al modelo que el mensaje no es algo tan bueno como lo que es. Por lo tanto, asegúrate de aplicar todas las etiquetas, ya que puede confundir el modelo más adelante, lo que puede provocar un rendimiento más bajo.
Asegúrate de ser coherente al añadir etiquetas. Por ejemplo, si añades la etiqueta Habitación > Tamaño a un mensaje y olvidas añadirlo a otro donde debería añadirse, confundirás el modelo. Al igual que con el consejo anterior, cuando no aplicas una etiqueta, es tan poderoso como aplicar una.
No hagas suposiciones al aplicar tus conocimientos empresariales. Si nada en el asunto o el cuerpo del mensaje indica que se debe aplicar una etiqueta, no la apliques, o el modelo no entenderá por qué se aplica.
No pierda demasiado tiempo decidiendo los nombres de las etiquetas
No pierdas demasiado tiempo pensando en el nombre correcto de una etiqueta. Puedes cambiar el nombre de una etiqueta en cualquier momento durante el proceso de entrenamiento.
Sea específico al nombrar una etiqueta
Sea lo más específico posible al nombrar una etiqueta y mantenga la taxonomía lo más plana posible inicialmente. Es mejor ser lo más específico posible con el nombre de tu etiqueta desde el principio, ya que siempre puedes cambiar y reestructurar la jerarquía más adelante.
Por ejemplo, si eliges aplicar una etiqueta para describir la limpieza de una habitación, podrías aplicar: Limpieza de la habitación. Si más tarde decides cambiarlo y tener limpieza como subetiqueta, puedes cambiarle el nombre a: Habitación > Limpieza. En esta etapa, debes añadir tantas etiquetas como sea posible a un mensaje, ya que siempre puedes volver y combinar más tarde.