Azure Cognitive Services
Označenie Azure Cognitive Services sa používalo pre sadu spravovaných rozhraní AI. Pri existujúcej aplikácii identifikujeme konkrétnu službu aj skutočne používanú operáciu.
Príklad z pracovného postupu
Digitalizovaný formulár má jedno tlačené pole a ručnú opravu vedľa neho. Pri výbere služby nás zaujíma reálna podpora tohto druhu vstupu a výsledok na pôvodnej slovenskej vzorke, vrátane nejednoznačnej opravy.
Ako výsledok overiť
Za vzor vezmeme reálny dokument alebo nahrávku, skontrolujeme výsledok a dohodneme ošetrenie neúplnej odpovede.
Ako vyhodnotiť pracovnú záťaž
Pri konkrétnom projekte zaznamenáme typ vstupu, verziu služby alebo modelu a podmienky vyhodnotenia. Ukážka na jednom dobre čitateľnom či jasnom príklade nedokáže určiť, koľko pracovných prípadov potrebuje ďalšiu kontrolu.
Hodnotenie preto rozdelíme podľa dostupného jazyka, zdroja, zložitosti a významu chyby. Pri menšej vzorke uvádzame aj absolútny počet omylov. Evidujeme spotrebu, čas spracovania a oprávnenia potrebné na spätne vysvetliteľný výsledok.
Výsledok rozpoznania patrí ku konkrétnemu vstupu aj vybranej schopnosti služby
Pri prevzatí staršej aplikácie s označením Cognitive Services môže jeden používateľský krok zahŕňať čítanie textu z prílohy a jeho následné zaradenie. Pri chybe potrebujeme vedieť, v ktorej službe vznikla a aký vstup do nej vstupoval. Názov riešenia na obrazovke tento sled nemusí vystihovať.
Pre vybraný doklad preto zachytíme odpoveď každého kroku a pravidlá mapovania do evidencie. Pri prechode na aktuálne rozhranie môžeme sledovať skutočný rozdiel po jednotlivých schopnostiach aj pri nezmenenom používateľskom formulári.
Otázky z praxe
Čo znamená historické označenie Cognitive Services pri prevzatí aplikácie?
Názov rodiny neurčuje konkrétnu funkciu. Podľa používaných rozhraní, identity zdroja a oprávnení určujeme, či aplikácia pracuje s textom, obrazom, rečou alebo ďalšou službou. Až potom porovnáme podporu jazyka, dostupnosť regiónu a migračné požiadavky pre skutočne používanú operáciu.
Ako čítať čiastočne úspešný výsledok rozpoznania formulára?
Každé požadované pole má vlastný stav. Správne získaná hlavička dokladu nepotvrdzuje čitateľnosť všetkých položiek alebo menovej jednotky. Pri kontrolnej dávke si označíme kritické polia a navrhneme, kedy má prípad čakať na doplnenie, hoci sa ostatná časť dokumentu spracovala úspešne.
Dá sa výsledok pilotu z jedného typu dokumentu použiť na celý archív?
Pred rozšírením rozdelíme archív podľa jazyka, šablóny, obdobia a kvality vstupu. Do skúšky zahrnieme aj sken opravený rukou alebo dokument s viacerými stranami. Pri rozhodovaní uvedieme, ktoré skupiny pilot naozaj pokrýval a kde je potrebné ďalšie hodnotenie.
Súvisiace stránky
-
Azure Machine Learning
Azure Machine Learning organizuje úlohy, výpočtové prostredia, modely a nasadenia.
Otvoriť -
Microsoft Bot Framework
Bot Framework slúžil na tvorbu konverzačných aplikácií a napojenie komunikačných kanálov.
Otvoriť -
Strojové učenie
Model strojového učenia môže triediť doklady alebo správy. Na označenej vzorke porovnáme chyby s ručným postupom a nastavíme, ktoré prípady preverí človek.
Otvoriť