- Introdução
- Configurando sua conta
- Balanceamento
- Clusters
- Desvio de conceito
- Cobertura
- Conjuntos de dados
- Campos gerais
- Rótulos (previsões, níveis de confiança, hierarquia do rótulo e sentimento do rótulo)
- Modelos
- Transmissões
- Classificação do Modelo
- Projetos
- Precisão
- Lembrar
- Mensagens anotadas e não anotadas
- Campos de extração
- Fontes
- Taxonomias
- Treinamento
- Previsões positivos e negativos verdadeiros e falsos
- Validação
- Mensagens
- Controle de acesso e administração
- Gerencie origens e conjuntos de dados
- Entender a estrutura de dados e permissões
- Criando ou excluindo uma origem de dados na GUI
- Preparando dados para carregamento de .CSV
- Carregar um arquivo CSV para uma origem
- Carregamento de um arquivo PST
- Criação de um conjunto de dados
- Origens e conjuntos de dados multilíngues
- Habilitando o sentimento em um conjunto de dados
- Como corrigir as configurações do conjunto de dados
- Excluindo uma mensagem
- Exclusão de um conjunto de dados
- Exportação de um conjunto de dados
- Usando integrações do Exchange
- Tags de transformação de email
- Treinamento e manutenção do modelo
- Noções Básicas sobre rótulos, campos gerais e metadados
- Hierarquia de rótulos e práticas recomendadas
- Comparação de casos de uso de análise e automação
- Transformando seus objetivos em rótulos
- Visão geral do processo de treinamento do modelo
- Anotação generativa
- Status do conjunto de dados
- Treinamento de modelos e práticas recomendadas de anotação
- Treinamento com análise de sentimento de rótulo habilitada
- Compreensão dos requisitos de dados
- Treinamento
- Introdução ao Refine
- Precisão e recall explicados
- Precisão e recall
- Como a validação funciona
- Compreender e melhorar o desempenho do modelo
- Motivos para baixa precisão média do rótulo
- 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™
- Desenvolvedor
- Carregamento de dados
- Baixando dados
- Integração do Exchange com usuário do serviço do Azure
- Integração do Exchange com Autenticação de Aplicativo do Azure
- Integração do Exchange com Autenticação de aplicativo e gráfico do Azure
- Guia de migração: Exchange Web Services (EWS) para a API do Microsoft Graph
- Como buscar dados para o Tableau com o Python
- Integração do Elasticsearch
- Extração de campo geral
- Integração auto-hospedada do Exchange
- Framework de automação da UiPath®
- Atividades oficiais da UiPath®
- Como as máquinas aprendem a entender as palavras: um guia para incorporações ao NLP
- Aprendizado baseado em solicitação com Transformers
- Efficient Transformers II: extração de conhecimento e ajustes finos
- Transformers eficientes I: mecanismos de atenção
- Modelagem de intenção hierárquica profunda não supervisionada: obtenção de valor sem dados de treinamento
- Corrigindo viés de anotação com o Communications Mining™
- Aprendizado ativo: melhores modelos de ML em menos tempo
- Está tudo nos números - avaliando o desempenho do modelo com métricas
- Por que a validação de modelos é importante
- Comparação do Communications Mining™ e do Google AutoML para inteligência de dados de conversa
- Licenciamento
- Perguntas frequentes e mais
Reverter modelo
Reversão do modelo no Communications Mining, permitindo que você reverta para uma versão do modelo publicado e redefina as anotações de dados de treinamento para o estado dessa versão.
A funcionalidade de reversão do modelo permite que você reverta para uma versão anterior do seu modelo. Dessa forma, você pode redefinir os dados de treinamento, para anotações de rótulo e campo geral, para as anotações usadas para treinar essa versão do modelo.
Você só pode reverter para versões de modelos publicados.
Uso da reversão do modelo
O ícone de reversão do modelo está disponível na página Modelos , em todas as versões do modelo publicadas.
A versão atual do modelo treinado é publicada automaticamente como um backup. Todas as anotações capturadas por uma versão do modelo que ainda está em treinamento no momento da reversão são perdidas.
Para usar a funcionalidade de reversão do modelo, prossiga da seguinte maneira:
-
Selecione o ícone de reversão na versão do modelo para a qual você deseja reverter.
-
Selecione Redefinir na caixa de diálogo de confirmação que aparece.
Observação:A caixa de diálogo lembra você para permitir que a versão do modelo atual conclua o treinamento antes de prosseguir.
Resultado
Se a reversão for iniciada com sucesso, um banner aparecerá na página.
O que acontece durante a reversão do modelo
Enquanto o modelo estiver sendo revertido, não será possível modificar o conjunto de dados. Isso significa que você não pode treinar seu modelo durante esse período ou aplicar rótulos ou campos gerais a mensagens.
Um indicador de aviso aparecerá na parte superior, informando que o modelo está sendo revertido.
Se você tentar modificar seu conjunto de dados, o seguinte banner aparecerá na página, e quaisquer mensagens que tentarmos anotar não terão o rótulo ou campo geral aplicado a ela até que a reversão do modelo seja concluída.
Embora a funcionalidade de reversão ajude você a reverter para uma versão anterior de um modelo, se você cometeu um erro importante em nosso treinamento de modelo, não deve confiar muito nele.
Em vez disso, certifique-se de seguir a metodologia de treinamento de modelo adequada corretamente na primeira vez, pois isso pode nos economizar tempo a longo prazo.