Düzenleme iş akışı nedir?
Düzenleme iş akışı, Azure Yapay Zeka Dili tarafından sunulan özelliklerden biridir. Konuşma Language Understanding (CLU), Soru Yanıtlama projeleri ve LUIS uygulamalarını bağlamak için düzenleme modelleri oluşturmanıza olanak tanımak için makine öğrenmesi zekası uygulayan bulut tabanlı bir API hizmetidir. Geliştiriciler düzenleme iş akışı oluşturarak konuşmaları yinelemeli olarak etiketleyebilir, model performansını tüketim için kullanılabilir hale getirmeden önce eğitebilir ve değerlendirebilir. Hizmet, modelinizi oluşturmayı ve özelleştirmeyi basitleştirmek için Language Studio üzerinden erişilebilen özel bir web portalı sunar. Bu hızlı başlangıçtaki adımları izleyerek hizmeti kullanmaya kolayca başlayabilirsiniz.
Bu belge aşağıdaki makale türlerini içerir:
- Hızlı başlangıçlar , hizmete istekte bulunma konusunda size yol gösteren başlangıç yönergeleridir.
- Kavramlar , hizmet işlevselliğinin ve özelliklerinin açıklamalarını sağlar.
- Nasıl yapılır kılavuzları , hizmeti daha belirli veya özelleştirilmiş yollarla kullanmaya yönelik yönergeler içerir.
Örnek kullanım senaryoları
Düzenleme iş akışı, çeşitli sektörlerde birden çok senaryoda kullanılabilir. Bazı örnekler şunlardır:
Kurumsal sohbet botu
Büyük bir şirkette kurumsal sohbet botu çeşitli çalışan işlerini işleyebilir. Bilgi bankası yanıtlayan özel bir soru tarafından sunulan sık sorulan soruları, konuşma dili anlama tarafından sunulan takvime özgü bir beceriyi ve LUIS tarafından sunulan bir görüşme geri bildirimi becerisini işleyebilir. Bot, gelen istekleri uygun şekilde doğru hizmete yönlendirebilmelidir. Düzenleme iş akışı, bu becerileri kurumsal botu desteklemek için gelen isteklerin yönlendirmesini uygun şekilde işleyen bir projeye bağlamanıza olanak tanır.
Proje geliştirme yaşam döngüsü
Düzenleme iş akışı projesi oluşturmak için genellikle birkaç farklı adım gerekir.
Modelinizden en iyi şekilde yararlanmak için şu adımları izleyin:
Şemanızı tanımlama: Verilerinizi bilin ve kullanıcının giriş ifadelerinden tanınması gereken eylemleri ve ilgili bilgileri tanımlayın. Kullanıcının konuşmalarına atamak istediğiniz amaçları ve düzenleme projenize bağlamak istediğiniz projeleri oluşturun.
Verilerinizi etiketleme: Veri etiketleme kalitesi, model performansını belirlemede önemli bir faktördür.
Modeli eğitin: Modeliniz etiketli verilerinizden öğrenmeye başlar.
Modelin performansını görüntüleme: Yeni verilere sunulduğunda ne kadar iyi performans sergilediğini belirlemek için modelinizin değerlendirme ayrıntılarını görüntüleyin.
Modeli geliştirme: Modelin performansını gözden geçirdikten sonra modeli nasıl geliştirebileceğinizi öğrenebilirsiniz.
Modeli dağıtma: Modelin dağıtılması , modelin tahmin API'si aracılığıyla kullanıma sunulmasını sağlar.
Amaçları tahmin etme: Kullanıcının ifadelerindeki amaçları tahmin etmek için özel modelinizi kullanın.
Başvuru belgeleri ve kod örnekleri
Düzenleme iş akışını kullanırken azure yapay zeka dili için aşağıdaki başvuru belgelerine ve örneklerine bakın:
| Geliştirme seçeneği / dil | Başvuru belgeleri | Örnekler |
|---|---|---|
| REST API'ler (Yazma) | REST API belgeleri | |
| REST API'ler (Çalışma Zamanı) | REST API belgeleri | |
| C# (Çalışma Zamanı) | C# belgeleri | C# örnekleri |
| Python (Çalışma Zamanı) | Python belgeleri | Python örnekleri |
Sorumlu AI
Yapay zeka sistemi yalnızca teknolojiyi değil, onu kullanacak kişileri, bundan etkilenecek kişileri ve dağıtıldığı ortamı da içerir. Sistemlerinizde sorumlu yapay zeka kullanımı ve dağıtımı hakkında bilgi edinmek için CLU ve düzenleme iş akışı için saydamlık notunu okuyun. Daha fazla bilgi için aşağıdaki makaleleri de görebilirsiniz:
Sonraki adımlar
Düzenleme iş akışını kullanmaya başlamak için hızlı başlangıç makalesini kullanın.
Proje geliştirme yaşam döngüsü boyunca bu özelliğin belgelerinde kullanılan terimler hakkında daha fazla bilgi edinmek için sözlüğü gözden geçirin.
Bölgesel kullanılabilirlik gibi bilgiler için hizmet sınırlarını görüntülemeyi unutmayın.