إدارة نموذجك في AI Builder
بإمكان عملية إنشاء النموذج الأمثل لعملك عبارة عن عملية متكررة إلى حد ما. وقد تختلف النتائج بناءً على التكوينات التي تعينها، وبيانات التدريب التي تقدمها. يمكن أن يؤدي تحديث هذه العوامل إلى تحسين أداء نموذجك. ومع ذلك، فإن الأداء قد يتراجع في بعض الحالات. يتضمن كن نوع من أنواع نماذج الذكاء الاصطناعي على مجموعة من الإرشادات لمساعدتك في عملية إنشاء أفضل نموذج يناسب احتياجاتك.
تقييم نموذجك
بعد تدريب النموذج لأول مرة، يمكنك تقييم أدائه وجودته على صفحة التفاصيل الخاصة به.
وبحسب نوع نموذج الذكاء الاصطناعي، قد تظهر درجة الأداء لكل إصدار مدرّب. يمكنك استخدام هذه الدرجة مقارنة إصدارين من النموذج نفسه بسرعة. ومع ذلك، تذكر أن الدرجة تستند إلى تكوين ذلك التدريب. تأكد من أنك تأخذ في الاعتبار أية تغييرات قمت بها بين الإصدارات عند مقارنة الدرجات.
في كل نوع من أنواع نماذج الذكاء الاصطناعي، هناك تفسير مختلف لكيفية حساب الدرجة والطريقة التي يجب من خلالها تفسير الدرجة. لمعرفة المزيد، استعرض تعريف الأدوات إلى جانب الأداء.
تتضمن بعض أنواع نماذج الذكاء الاصطناعي ميزة لاختبار الأداء بشكل سريع لإصدارك المدرّب مع بيانات حقيقية تختارها. حدد اختبار سريع، لعرض النموذج أثناء العمل.
بعد الانتهاء من تقييم النموذج المدرّب الجديد، لديك خياران:
- نشر نموذجك: لمزيد من المعلومات حول الوقت الذي يجب فيه نشر نموذج، راجع متى يجب عليّ نشر نموذجي؟.
- إنشاء إصدار جديد: لمزيد من المعلومات حول الوقت الذي يجب ليه إنشاء إصدار جديد، راجع متى يجب عليّ إنشاء إصدار جديد؟.
النماذج غير الملائمة
النموذج غير الملائم عبارة عن نموذج ذي أداء أسوأ من التخمين العشوائي. إذا كان أداء نموذجك سيئًا بشكل مستمر، فهذا على الأرجح إشارة إلى وجود مشكلة في بيانات التدريب. هل الحقول التي تستخدمها ذات صلة بنوع التحديد الذي يهدف نموذجك إلى إجرائه؟ هل توجد أخطاء في إدخال البيانات أو مشكلات أخرى تؤدي إلى انحراف النموذج؟
النماذج المبالغ في ملاءمتها
يعمل النموذج المبالغ في ملاءمته بطريقة جيدة، إن لم تكن مثالية، عند تشغيله على بيانات التدريب. وقد يعود سبب ذلك إلى وجود عمود في بيانات التدريب يتوافق مباشرة مع النتيجة. على سبيل المثال، لنفترض أن لديك نموذج تنبؤ يتنبأ بما إذا كانت الشحنة ستصل في الوقت المناسب أم لا. إذا كانت بياناتك السابقة تتضمن تاريخ التسليم الفعلي، فقد يتنبأ النموذج بشكل مثالي عند تشغيله في مقابل بياناتك السابقة. من المحتمل ألا يكون هذا الأداء جيدًا عند تشغيله على بيانات حقيقية في بيئة الأعمال لديك، وذلك بسبب عدم تعبئة عمود بيانات التسليم بعد.
تحرير اسم النموذج
- حدد الإعدادات في أعلى الصفحة.
- في أجزاء إعدادات النموذج إلى اليمين، أسفل الاسم، أدخل اسمًا مختلفًا. بحسب نوع نموذج الذكاء الاصطناعي، قد تحتاج أولاً إلى تحديد القسم عام.
- حدد حفظ.
إنشاء نسخة جديدة
لإنشاء إصدار جديد، حدد تحرير النموذج في أعلى الصفحة.
بإمكان إصدارين مدرّبين أن يكونا متوفرين في المرة واحد: إصدار منشور واحد وآخر إصدار مدرّب لم يتم نشره. إذا كنت تعمل على تدريب إصدار جديد عند وجود آخر إصدار مدرّب بالفعل، فستتم الكتابة فوق آخر إصدار مدرّب موجود.
عندما تنشئ إصدارًا جديدًا، يستند نموذجك إلى التكوين من الإصدار الموجود — الإصدار المنشور أو آخر إصدار مدرّب. في حال وجود الإصدارين، يجب عليك اختيار الإصدار الذي ترغب في إنشاء الإصدار الجديد منه.
يتم إنشاء إصدار جديد فقط بعد أن تقوم بتدريبه بنجاح. إذا تركته من دون إنهاء التغييرات وتدريب النموذج، فيتم حفظ التقدم الذي حققته كمسودة. قد يتم تعطيل إجراءات معينة، مثل إنشاء إصدار جديد أو إعادة تدريبه، حتى تقوم بتدريب المسودة أو تجاهلها. تتوفر مسودة واحدة فقط في وقت واحد، لذا عليك أن تحدد استئناف المسودة للمتابعة من المكان حيث توقفت تجاهل المسودة للتخلص من التغييرات قبل أن تتمكن من المتابعة.
بعد التدريب، تظهر نتائج التدريب أسفل قسم آخر إصدار مدرّب من صحفة التفاصيل .
إذا أعجبك آخر إصدار مدرّب، فيمكنك نشر النموذج لجعله متاحًا. أو يمكنك، بدلاً من ذلك، إنشاء إصدار جديد.
متى يجب عليّ إنشاء إصدار جديد؟
يمكنك إنشاء إصدار جديد من نموذجك للمساعدة على تحسين أداء النموذج أو جودته. يتوقف هذا الأمر على نوع نموذج الذكاء الاصطناعي: يمكن تحسين بعض النماذج من خلال تحديث التكوين، ويمكن تحسين بعض النماذج من خلال تحديث بيانات التدريب.
نظرًا للطبيعة التجريبية لنموذج التعلم الآلي، لن تؤدي كافة الإصدارات الجديدة التي تقوم بإنشائها إلى زيادة في أداء النموذج. إذا لم تكن راضيًا عن النموذج، فيمكنك إنشاء إصدار جديد لمحاولة تحقيق نتائج أفضل.
إذا كنت راضيًا عن أداء النموذج، فحدد نشر لجعله متوفراً. ونظرًا لإمكانية وجود إصدارين مدرّبين فقط في الوقت نفسه، قد ترغب في نشر نموذج لا ترغب في استبداله بإصدار جديد.
لمزيد من المعلومات حول الفروق الدقيقة في تحسين أداء النموذج، راجع الرسالة أسفل درجة الدقة.
إعادة تدريب النماذج الموجودة وإعادة نشرها
في حين أن التدريب يؤدي إلى إنشاء إصدار جديد من خلال تحديث التكوين، تؤدي إعادة التدريب إلى إنشاء إصدار جديد يستخدم التكوين نفسه الذي يستخدمه الإصدار الحالي. تتمثل فائدة إعادة التدريب في أنها ستدرس أي بيانات جديدة بحيث يظل نموذجك دقيقًا بمرور الوقت. ينطبق هذا الإجراء فقط على أنواع معينة من نماذج الذكاء الاصطناعي.
قم بتسجيل الدخول إلى Power Apps.
في الجزء الأيسر، حدد AI Builder>الجداول.
اتبع الخطوات الخاصة بنوع نموذجك.
فيما يتعلق بنماذج التنبؤ وتصنيف الفئات، في قسم الأداء، حدد قائمة (…)، ثم حدد إعادة التدريب الآن.
يؤدي هذا الإجراء إلى استبدال آخر إصدار مدرّب. إذا كنت جاهزًا، فانشر هذا الإصدار.
نفذ هذه الخطوات على كل نموذج من نماذج AI Builder لإعداد نماذج الذكاء الاصطناعي وتشغيلها مرة أخرى.