機械学習の概念

このページには、Communications Mining の背後にあるマシン ラーニングの概念に関するガイドとリソースが含まれており、次の表に示します。

ガイド	説明
機械が単語を理解する方法:NLPに埋め込むためのガイド	Communications Mining が Transformer ベースの埋め込みを使用してテキストを意味的に表現し、マシン ラーニング モデルを強化する方法。
トランスフォーマーによるプロンプトベースの学習	Transformer モデルを使用したプロンプトベース学習によって自然言語処理タスクがどのように改善されるか。
効率的な変圧器II:知識蒸留と微調整	知識の蒸留と微調整により、Transformer ベースの NLP モデルがより効率的になる方法。
効率的な変圧器I:注意メカニズム	アテンションメカニズムがTransformerベースのNLPモデルをより効率的にする方法。
階層的な教師なしインテントモデリング:トレーニングデータなしで価値を得る	階層的教師なしインテント モデリングが、トレーニング データなしでコミュニケーションからどの程度価値を抽出するか。
Communications Mining™ でアノテーションの偏りを修正する	マシン ラーニング モデルにおけるアノテーション バイアスの原因とその修正方法。
アクティブ ラーニング: より優れた ML モデルを短時間で実現	アクティブ ラーニングにより、正確なマシン ラーニング モデルをトレーニングするために必要なアノテーションの労力がどのように削減されるか。
すべては数字に表れています: メトリックを使用してモデルのパフォーマンスを評価する	マシン ラーニング モデルの評価に使用するパフォーマンス メトリックの解釈方法。
モデルの検証が重要な理由	モデルの検証が重要な理由と、未検証のモデルをデプロイするリスク
対話データ分析 AI としての Communications Mining™ と Google AutoML を比較する	NLP ドリブンなプロセス自動化と対話データ分析インテリジェンスにおける Communications Mining と Google AutoML の比較