Konfigurere model for intelligent søgning efter færdighed
Bemærk
Oplysninger om tilgængelighed af funktioner er følgende.
| Dynamics 365 Contact Center - integreret | Dynamics 365 Contact Center - enkeltstående | Dynamics 365 Customer Service |
|---|---|---|
| Ja | Ja | Ja |
Hvis du vil konfigurere regelsæt for maskinel indlæringsbaseret færdighedsklassifikation, kan du konfigurere intelligente færdighedssøgningsmodeller, der kan bruges til at udnytte færdigheder.
Du kan oprette og træne modeller til maskinel indlæring, der bruger AI til at bestemme de nødvendige færdigheder for nye arbejdselementer, og ved hjælp af dataene i Microsoft Dataverse. Men hvis du forsøger at konfigurere modellen i en ny organisation, eller hvis den færdighedsbaserede distribution ikke er i brug, har du måske ikke de nødvendige færdighedsdata. I sådanne tilfælde kan du bruge data fra et andet program ved hjælp af indstillingen Importér fra Excel i færdighedssøgningsmodellen.
Intelligent søgning efter afhænger af brugerdefineret AI Builder-kategoriklassifikationsmodel. Derfor bør AI Builder være tilgængelig i det geografiske område, hvor du vil bruge intelligent færdighedssøgning. Flere oplysninger: Tilgængelighed af AI Builder.
Vigtigt
Hvis du vil importere erfaringssøgningsmodeller fra ét miljø til et andet, skal du kontrollere, at du importerer og eksporterer mellem miljøer af samme type. En model, der er uddannet i testmiljø, fungerer kun i et andet testmiljø og ikke i et produktionsmiljø.
Forudsætning
Du skal aktivere AI Builder modeller til forhåndsversion for at bruge modellen til intelligent færdighed.
Oprette modeller til søgning efter færdigheder
Du kan oprette lige så mange modeller til intelligent søgning efter færdigheder, som virksomheden har behov for.
Vælg Indsigt i Handlinger i oversigt over websted til Customer Service Administration. Siden Indsigt vises.
Vælg Administrer i sektionen Intelligent færdighedssøgning.
Vælg Ny på siden Intelligent færdighedssøgning-modeller, og angiv et navn under fanen Konfiguration på siden Ny erfaringssøgningsmodel.
Angiv følgende i Datakriterier for at forme datasættets poster:
- Attributter (påkrævet): Vælg attributter på listen Attributter og relaterede attributter for at forme træningsdatasættet. De tilknyttede attributværdier flettes i den rækkefølge, de tilføjes, og de bruges til at forme inputstrengen for modeltræningsdataene.
- Filtre: Anvend eventuelt filtre på betinget valg af relevante poster.
- Datointerval: Vælg en værdi for at angive den tidsperiode, som posterne skal indlæses for.
Vælg Gem, og vælg derefter Indlæs træningsdata. Fanen Træningsdata vises med status for dataindlæsning.
Når indlæsningen er fuldført, skal du gennemgå dataene og redigere posterne, hvis du vil ændre koderne.
Markér afkrydsningsfeltet for Inputdata i sektionen Uddannelsesdata for at markere alle posterne, og vælg Godkend. Du skal godkende mindst 50 poster, for at modellen kan trænes.
Vælg Træn model, og vælg Træn model igen i bekræftelsesdialogboksen.
Når status skifter til træning er fuldført, skal du vælge de rækker, du vil publicere, og vælge Publicer model. Færdighedsmodellen er klar til brug.
Teste modellen
Du kan teste modellen for at finde ud af, om den fungerer som forventet. Udfør følgende trin for at få vist modellens ydeevne og nøjagtighed.
- Vælg det miljø, der indeholder løsningen, i Power Apps.
- Vælg AI-modeller. Du kan se de modeller, du har oprettet, i Mine modeller og de modeller, der deles med dig, i Delt med mig. Vælg den påkrævede model.
- Vælg Hurtig test. Du kan hente modelrelaterede oplysninger ved at vælge lodret ellipse ud for knappen Hurtig test og derefter vælge Hent detaljerede måleoplysninger. Metrikværdifilen indeholder oplysninger om modellens ydeevne, nøjagtighed og præcision. Du kan finde flere oplysninger under Forstå ydeevnen for en model for klassificering af kategorier
- Angiv den nødvendige tekst i Tekst, og vælg derefter Test. De forventede mærker vises i Foreslåede mærker og tillid.
- Hvis de forventede mærker stemmer overens med tilgængelige færdigheder i organisationen, knyttes de tilsvarende færdigheder til modellen, når modellen kører.
Omskole modellen gentagne gange
Du bør omskole den publicerede model gentagne gange for at forbedre modellen med nye data i Microsoft Dataverse. Modelomskoling kan f.eks. udføres ved hjælp af poster, hvor helpdesk-medarbejdere har opdateret færdigheder for poster eller samtaler. Når du reviderer modellen, så den inkluderer de færdigheder, som medarbejdere har tilføjet, skal du gennemgå uddannelsesdataposterne, når du har indlæst den, for at sikre dig, at den opfylder de krævede kvalifikationskriterier.
Du kan finde oplysninger om, hvordan dine medarbejdere kan opdatere deres færdigheder, under Administration af færdigheder. Hvis du vil gøre dine medarbejdere i stand til at opdatere deres færdigheder under kørsel, skal du se Aktivere medarbejdere til at opdatere færdigheder.
Du kan definere betingelserne som vist på følgende skærmbillede.
Bruge træningsdata fra Excel-filen
Hvis du ikke har data til at træne din model, kan du udfylde færdigheder og attributter for data i Excel-filer og uploade dem til programmet ved hjælp af importfunktionen i Microsoft Dataverse.
Hvis du vil bruge dataene fra Excel-filerne, skal du kontrollere følgende:
Modelnavnet i programmet skal svare til navnet i kolonnen Træningspost i Excel-filen.
Navngiv filerne som msdyn_ocsitrainingdata.csv og msdyn_ocsitdskill.csv.
Kontrollér, at inputdatastrengen er mindre end eller lig med 5000 tegn, så du undgår afkortelse.
Der findes et eksempel på hver fil som følger. Du kan vælge de links, der skal bruges til at hente eksempelfilerne.
| Model for søgning efter færdigheder | Navn på træningspost | Inputdata |
|---|---|---|
| CCSFM01-Contoso Coffee-færdighedssøgningsmodel | CCSFM01-Contoso Coffee-uddannelsesdata A10001 | Hej, jeg arbejder hos Trey Research. En af de automatiske espressomaskiner bliver overophedet og begynder at lugte brændt efter 30 minutters brug. Hjælp venligst! Ja. Nej. |
| CCSFM01-Contoso Coffee-færdighedssøgningsmodel | CCSFM01-Contoso Coffee-uddannelsesdata A10002 | Hej, jeg har for nylig købt en A-100 kaffemaskine, og toppladen bliver varm efter 15 minutters brug. Løs helst dette inden. |
| CCSFM01-Contoso Coffee-færdighedssøgningsmodel | CCSFM01-Contoso Coffee-uddannelsesdata A10003 | Hej, jeg kan ikke starte min nyindkøbte espressomaskine - det virker som om det elektriske stik ikke fungerer korrekt. |
| CCSFM01-Contoso Coffee-færdighedssøgningsmodel | CCSFM01-Contoso Coffee-uddannelsesdata A10004 | Hej, jeg arbejder hos Trey Research. Jeg leder efter en erstatning for en kaffemaskine, der blev købt for 3 måneder siden. Selv efter at have indsendt klager tidligere angående overopvarmning eksisterer problemet stadig. Hjælp venligst! |
| CCSFM01-Contoso Coffee-færdighedssøgningsmodel | CCSFM01-Contoso Coffee-uddannelsesdata A10005 | Hej, jeg har for nyligt køb Café A-100, men jeg har modtaget en anden farve, end jeg har bestilt. Udskift det samme. |
| Træningspost | Tilknytning af kendetegn | Egenskab |
|---|---|---|
| CCSFM01-Contoso Coffee-uddannelsesdata A10001 | Café A-100 | Café A-100 |
| CCSFM01-Contoso Coffee-uddannelsesdata A10001 | Opvarmning | Opvarmning |
| CCSFM01-Contoso Coffee-uddannelsesdata A10001 | Elektriske | Elektriske |
| CCSFM01-Contoso Coffee-uddannelsesdata A10002 | Café A-100 | Café A-100 |
| CCSFM01-Contoso Coffee-uddannelsesdata A10002 | Opvarmning | Opvarmning |
Udfør følgende trin for at uploade dataene til træning af modellen:
Angiv et navn til modellen på siden Model for søgning efter færdigheder, og gem derefter formularen.
Vælg fanen Træningsdata, og vælg Importér Excel.
Vælg de .csv-filer, der skal uploades i importværktøjet.
Gennemse indstillingerne for upload, og vælg Udfør, når du har gennemgået faserne. Dataupload starter. Den tid, det tager at uploade data, afhænger af antallet af poster.
Du kan også vælge Opdater for at se den opdaterede status for dataupload.
Udfør trin 5-8 i Opret færdighedssøgningsmodeller for at godkende, oplære og udgive din model.
Se også
Oversigt over færdighedsbaseret rute
Oversigt over ensartet distribution
Konfigurere færdighedsbaseret routing i samlet routing