Usar o AI Center

Essa página relaciona os conceitos básicos usados dentro do AI Center.

Projetos

Um projeto é um grupo de recursos isolado (conjuntos de dados, pipelines, pacotes, habilidades e logs) que você pode usar para habilitar a criação de uma solução de ML específica para diferentes automações de negócios.

Pacote de ML

Um Pacote de ML é um grupo de versões do pacote do mesmo tipo de pacote. Pense nele como uma pasta para manter as versões do pacote do mesmo tipo. Uma versão do pacote é um modelo treinado que você pode implantar em uma habilidade para integrá-lo a um fluxo de trabalho do RPA.

Conjuntos de dados

Um conjunto de dados é uma pasta de armazenamento que contém arquivos e subpastas arbitrários. Um modelo é treinado em um conjunto de dados.

Pipelines

Os pipelines representam as várias ações que você pode executar em versões de pacotes ou no pacote.

Eles representam uma descrição de um fluxo de trabalho de ML, incluindo todas as funções no fluxo de trabalho e sua ordem de execução. O pipeline inclui a definição das entradas necessárias para executá-lo e saídas a obter a partir dele.

Uma Execução de pipeline é uma execução de um pipeline com base no código fornecido pelo usuário. Esse código é onde as funções chamadas no pipeline são efetivamente implementadas.

Há três tipos de pipelines:

• Pipeline de treinamento - recebe como entrada um pacote e um conjunto de dados, e produz uma nova versão do pacote.
• Pipeline de avaliação - leva como entrada uma versão do pacote e um conjunto de dados, e produz um conjunto de métricas e logs.
• Pipeline completo - executa um pipeline de treinamento e, imediatamente após, um pipeline de avaliação.

Habilidades de ML

Uma Habilidade de ML é uma implantação ao vivo de uma versão do pacote; ela pode ser usada em um fluxo de trabalho do RPA simplesmente arrastando e soltando uma atividade ML Skill no UiPath Studio.

Logs de ML

Os Logs de ML são uma visualização consolidada de todos os eventos relacionados a um projeto.

Exemplos

Fluxo do usuário

Um usuário cria um projeto, carrega um pacote treinado (ou seleciona um dos pacotes fornecidos) e o implanta como uma habilidade.

Um desenvolvedor do RPA agora pode arrastar e soltar uma atividade para usar o modelo na produção.

Fluxo do usuário para retreinar o modelo contínuo

Um usuário cria um projeto e carrega uma pasta com dados em um conjunto de dados. Em seguida, o usuário carrega um pacote que ainda tem que ser treinado, executa um pipeline de treinamento que produz um modelo treinado e, por fim, implanta o modelo treinado como uma habilidade.

Então, um desenvolvedor do RPA pode arrastar e soltar uma atividade para usar o modelo na produção. Além disso, o desenvolvedor do RPA agora pode enviar novos dados rotulados de volta ao conjunto de dados criado para o modelo ser continuamente retreinado.