- 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
- 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
- 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
- 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
Guia do usuário do Communications Mining
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.
O ícone de reversão do modelo está disponível na página Modelos em todas as versões do modelo fixado.
- Selecione o ícone de reversão na versão do modelo para a qual você deseja reverter.
Observação: a versão atual do modelo treinado será automaticamente fixada como backup, mas quaisquer anotações capturadas por uma versão do modelo que ainda está em treinamento serão perdidas.
- Depois de selecionar o botão de reverter, uma janela pop-up aparece como um lembrete de que é recomendável permitir que a versão do modelo atual conclua o treinamento antes de reverter seu modelo. Para prosseguir, selecione Redefinir.
Se a reversão do modelo tiver sido iniciada com sucesso, um banner será exibido na página.
Enquanto o modelo estiver revertendo, você não poderá modificar o conjunto de dados. Isso significa que você não pode treinar seu modelo durante esse tempo e aplicar quaisquer rótulos ou campos gerais às 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 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.
