Status do conjunto de dados

Cada vez que você aplicar rótulos ou revisar campos gerais em seu conjunto de dados, seu modelo será treinado novamente e uma nova versão do modelo será criada. Para entender mais sobre o uso de diferentes versões do modelo, consulte Fixar e marcar uma versão do modelo.

Quando o modelo é treinado novamente, ele recebe as informações mais recentes que foram fornecidas e recalcula todas as suas previsões em todo o conjunto de dados. Esse processo começa quando você começa o treinamento e, muitas vezes, quando o Communications Mining™ termina a aplicação das previsões para uma versão do modelo, ele já está recalculando as previsões para uma versão do modelo mais recente. Quando você para de treinar após um período de tempo, o Communications Mining irá recuperar em breve e aplicar as previsões que refletem o treinamento mais recente concluído no conjunto de dados.

Esse processo pode levar algum tempo, dependendo da quantidade de treinamento concluído, do tamanho do conjunto de dados e do número de rótulos na taxonomia. O Communications Mining tem um recurso de status útil para ajudar os usuários a entender quando seu modelo está atualizado ou se está sendo retreinado e quanto tempo isso deve levar.

Quando você está em um conjunto de dados, um dos seguintes ícones indica seu status atual:

	O conjunto de dados está atualizado e as previsões da versão mais recente do modelo foram aplicadas.
	O modelo está sendo retreinado, e as previsões podem não estar atualizadas.

Para visualizar mais detalhes sobre o status do conjunto de dados, passe o mouse sobre o ícone com o mouse:

Observação: às vezes, você pode notar que o Communications Mining™ está em processo de retreinamento, mesmo que você não tenha aplicado nenhum rótulo ou revisado nenhum campo geral. Isso pode ser devido à implantação de melhorias pela UiPath® na plataforma e nos modelos que podem exigir que os modelos sejam retreinados. Quaisquer automações que dependam de um número de versão de modelo específico não serão afetadas.

Solução de problemas de treinamento de modelos lentos

Treinamento do modelo lento

Certifique-se de diferenciar entre os seguintes processos distintos que muitas vezes são confundidos:

1. Treinamento do modelo - Esse processo envolve o retreinamento da versão do modelo atual para criar uma nova, incorporando quaisquer alterações recentes, como atualizações de taxonomia ou anotações de dados. O treinamento do modelo é geralmente rápido, embora a duração possa variar com base em vários fatores.
2. Aplicação de previsões - Esse processo ocorre após o treinamento do modelo, em que a plataforma recupera e aplica previsões da versão do modelo treinado a cada mensagem. A aplicação de previsões é normalmente mais lenta e a duração é influenciada principalmente pelo tamanho e pela complexidade do conjunto de dados.

Vários fatores podem contribuir para uma versão específica do conjunto de dados levar mais tempo do que o esperado para treinar ou aplicar previsões:

• Complexidade da taxonomia de rótulos e campos

  Impacto: quanto mais rótulos e campos em seu conjunto de dados, mais tempo leva para treinar o modelo e aplicar previsões em mensagens.

• Uso de extração generativa

  Impacto: a extração generativa requer a compreensão de relações complexas entre rótulos e campos, exigindo um modelo maior e mais poderoso, o que pode desacelerar o treinamento.

• Tamanho do seu conjunto de dados (dados anotados e não anotados)

  Impacto: grandes volumes de mensagens anotadas aumentam os pontos de dados que o modelo deve considerar durante o treinamento, estendendo o processo. Da mesma forma, grandes volumes de mensagens não anotadas podem prolongar o tempo necessário para aplicar previsões.

  Observação: as previsões são exibidas assim que ficam disponíveis, portanto, você não precisa esperar que elas terminem de ser aplicadas durante a anotação. A plataforma passará a aplicar previsões da versão mais recente do modelo treinado se treinar antes que as previsões da versão anterior estejam concluídas.
• Número de conjuntos de dados treinados simultaneamente

  Impacto: se vários modelos estiverem treinando simultaneamente em seu ambiente do Communications Mining™, isso poderá causar lentidão temporárias, pois a plataforma balanceia a carga dos serviços necessários.

• Quando entrar em contato com o suporte
  • Treinamento - Se nenhum dos motivos anteriores explicar a lentidão do treinamento e ele estiver em andamento por mais de 4 horas, entre em contato com a equipe de suporte ao produto da UiPath®.
  • Aplicação de previsões - Para conjuntos de dados grandes e complexos, espere que a aplicação de previsões leve um longo tempo. Entre em contato com a equipe de suporte ao produto apenas se esse processo estiver em andamento por mais de 24 horas para uma única versão do modelo.
  Observação: isso não deve bloquear a anotação de dados, pois você sempre será beneficiado com novas previsões à medida que forem disponibilizadas.

O modelo parece não treinar

Se seu modelo não começar o treinamento dentro de uma hora após a conclusão de uma ação que deve disparar treinamento, como anotar mensagens com rótulos ou campos, entre em contato com a equipe de suporte ao produto da UiPath®.

É possível verificar se seu modelo está treinando verificando o status do conjunto de dados em qualquer página de um conjunto de dados.