- Vue d'ensemble (Overview)
- Processus Document Understanding
- Didacticiels de démarrage rapide
- Composants de l'infrastructure
- Vue d’ensemble de l'entraînement de la classification des documents
- Assistant de configuration des classifieurs (Configure Classifiers Wizard) de l'activité Tester l'étendue des classifieurs (Train Classifier Scope)
- Machine Learning Classifier Trainer
- Activités liées à l'entraînement de la classification des documents
- Paquets ML
- Pipelines
- Data Manager
- Services OCR
- Document Understanding déployé dans Automation Suite
- Document Understanding déployé dans une version AI Center autonome
- Licences
- Référence (Reference)
- UiPath.Abbyy.Activities
- UiPath.AbbyyEmbedded.Activities
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.IntelligentOCR.Activities
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.DocumentProcessing.Contracts
- UiPath.OmniPage.Activities
- UiPath.PDF.Activities
Guide de l'utilisateur de Document Understanding
Réglage
AI Center inclut la capacité d'affiner les modèles de ML à l'aide de données validées par un humain à l'aide de la Station de Validation.
Étant donné que votre workflow RPA traite les documents à l’aide d’un modèle ML existant, certains documents peuvent nécessiter une validation humaine à l’aide de la [Present Validation Station] (https://docs.uipath.com/fr/activities/docs/present-validation-station) (disponible sur les bots Attended ou dans le navigateur à l’aide de l’Action Center d’Orchestrator).
Les données validées générées dans la Station de validation peuvent être exportées à l'aide de l'activité Machine Learning Extractor Trainer et peuvent être utilisées pour affiner les modèles ML dans AI Center.
Nous ne recommandons pas d'entraîner des modèles ML à partir de zéro (c'est-à-dire en utilisant le paquet ML DocumentUnderstanding) en utilisant les données de la Station de validation, mais uniquement d'améliorer les modèles ML existants (y compris les modèles prêts à l'emploi).
- Pour connaître les étapes détaillées nécessaires pour l’amélioration d’un modèle ML, consultez la section « Importer des documents » de la documentation de Document Manager.
-
Pour plus d'informations sur la création d'un ensemble de données à affiner, cliquez ici.
Important :Ajoutez toujours les données de la station de validation au même ensemble de données et entraînez-vous sur la version mineure 0 du package ML
Il est souvent supposé à tort que la façon d'utiliser les données de la Station de validation consiste à réentraîner de manière répétée la version précédente du modèle, de sorte que le lot actuel est utilisé pour former le package X.1 afin d'obtenir la version X.2. Ensuite, le batch suivant s'entraîne sur la version X.2 pour obtenir la version X.3 et ainsi de suite. C'est la mauvaise façon d'utiliser le produit. Chaque lot de la Station de validation doit être importé dans la même session Document Manager que les données d'origine labellisées manuellement, créant ainsi un ensemble de données plus volumineux, qui doit être utilisé pour toujours s'entraîner sur la version X.0 du paquet ML.