- Introdução
- Balanceamento
- Clusters
- Desvio de conceito
- Cobertura
- Conjuntos de dados
- Campos gerais (anteriormente entidades)
- Rótulos (previsões, níveis de confiança, hierarquia etc.)
- Modelos
- Transmissões
- Classificação do Modelo
- Projetos
- Precisão
- Lembrar
- Mensagens revisadas e não revisadas
- Fontes
- Taxonomias
- Treinamento
- Previsões positivos e negativos verdadeiros e falsos
- Validação
- Mensagens
- Administração
- Gerencie origens e conjuntos de dados
- Entender a estrutura de dados e permissões
- Crie uma origem de dados na GUI
- Carregar um arquivo CSV para uma origem
- Criar um conjunto de dados
- Origens e conjuntos de dados multilíngues
- Habilitando o sentimento em um conjunto de dados
- Corrigir configurações de conjunto de dados
- Excluir mensagens por meio da interface do usuário
- Excluir um conjunto de dados
- Exportar um conjunto de dados
- Usando integrações do Exchange
- Preparando dados para carregamento de .CSV
- Treinamento e manutenção do modelo
- Noções Básicas sobre rótulos, campos gerais e metadados
- Hierarquia de rótulo e práticas recomendadas
- Definição dos seus objetivos de taxonomia
- Casos de uso de análise versus automação
- Transformando seus objetivos em rótulos
- Criação da sua estrutura taxonômica
- Práticas recomendadas de design de taxonomia
- Importando sua taxonomia
- Visão geral do processo de treinamento do modelo
- Anotação Generativa (Novo)
- Entendendo o status do seu conjunto de dados
- Treinamento de modelos e práticas recomendadas de anotação
- Treinamento com análise de sentimento de rótulo habilitada
- Treinamento
- Introdução ao Refine
- Precisão e recall explicados
- Precisão e recall
- Como funciona a Validação?
- Compreender e melhorar o desempenho do modelo
- Por que um rótulo pode ter uma precisão média baixa?
- Treinamento usando Check label e Perda de rótulo
- Treinamento usando Ensinar rótulo (Refinar)
- Treinamento usando a Pesquisa (Refinamento)
- Noções Básicas e Aumentando a Cobertura
- Melhorando o balanceamento e usando o Rebalanceamento
- Quando parar de treinar seu modelo
- Uso dos campos gerais
- Extração generativa
- Uso de análise e monitoramento
- Automations e Communications Mining
- Informações de licenciamento
- Perguntas frequentes e mais
Usando integrações do Exchange
Permissões de usuário necessárias: "Sources Admin", "Modify Integrations", "Update Data to Buckets" AND "Datasets Admin".
É importante entender a relação entre os principais componentes da plataforma, como integrações, caixas de correio, buckets, origens e conjuntos de dados, para configurar seus dados de forma eficaz.
Primeiro, uma "Integração " do Exchange é configurada (por meio de uma Conta de serviço), com os dados sendo sincronizados a partir do Microsoft Exchange Server. Essa integração permite que você sincronize várias "caixas de correio ".
Cada uma dessas caixas de correio é armazenada em um "bucket ", e cada bucket pode conter várias caixas de correio.
Em seguida, você precisará configurar uma "origem ". Esta é uma coleção de dados brutos de comunicação anotados de um tipo semelhante. Ao configurar uma origem, se você estiver usando dados de uma integração de email, deverá especificar de qual bucket deseja sincronizar (ou seja, o bucket no qual as caixas de correio no escopo do seu caso de uso são armazenadas).
Depois de terminar de configurar sua origem, você precisará adicioná-la a um "conjunto de dados ", que é onde seu modelo será treinado.
Cada conjunto de dados pertence a um "projeto ", que é uma área de armazenamento permissionada dentro da plataforma. Cada conjunto de dados e origem pertence a um projeto específico, que é designado quando são criados.
O diagrama a seguir ilustra como todos esses componentes estão relacionados:
Em geral, você precisará concluir as seguintes etapas (nesta ordem específica ) para poder exibir os dados de suas caixas de correio na plataforma:
