Aracılığıyla paylaş

Düzenleme iş akışı nedir?

  • Makale

Orchestration iş akışı, Azure AI Language tarafından sunulan özelliklerden biridir. Konuşma Dili Anlama (CLU), Soru Yanıtlama projeleri ve LUIS uygulamalarına bağlanmak 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. Aşağıda bazı örnekler bulunmaktadır:

Kurumsal sohbet botu

Büyük bir şirkette kurumsal sohbet botu çeşitli çalışan işlerini halledebilir. bilgi bankası yanıtlayan özel bir soru, konuşma dili anlama tarafından sunulan takvime özgü beceri ve LUIS tarafından sunulan bir görüşme geri bildirimi becerisi tarafından sunulan sık sorulan soruları işleyebilir. Bot, gelen istekleri uygun şekilde doğru hizmete yönlendirebilmelidir. Orchestration 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.

Geliştirme yaşam döngüsünü gösteren diyagram.

Modelinizden en iyi şekilde yararlanmak için şu adımları izleyin:

  1. Şemanızı tanımlayın: Verilerinizi bilin ve kullanıcının giriş konuşmalarından tanınması gereken eylemleri ve ilgili bilgileri tanımlayın. Kullanıcının konuşmalarına atamak istediğiniz amaçları ve düzenleme projenize bağlamak istediğiniz projeleri oluşturun.

  2. Verilerinizi etiketleme: Veri etiketleme kalitesi, model performansını belirlemede önemli bir faktördür.

  3. Modeli eğitme: Modeliniz etiketli verilerinizden öğrenmeye başlar.

  4. Modelin performansını görüntüleme: Yeni verilere sunulduğunda ne kadar iyi performans sergilediğini belirlemek için modelinizin değerlendirme ayrıntılarını görüntüleyin.

  5. Modeli geliştirme: Modelin performansını gözden geçirdikten sonra modeli nasıl geliştirebileceğinizi öğrenebilirsiniz.

  6. Modeli dağıtma: Modeli dağıtmak, modeli tahmin API'sini kullanarak kullanılabilir hale getirir.

  7. Amaçları tahmin etme: Kullanıcının ifadelerindeki amaçları tahmin etmek için özel modelinizi kullanın.

Başvuru belgeleri ve kod örnekleri

Düzenleme iş akışını kullanırken Azure AI Dili için aşağıdaki başvuru belgelerine ve örneklerine bakın:

Geliştirme seçeneği / dil Başvuru belgeleri Örnekler
REST API'leri (Yazma) REST API belgeleri
REST API'leri (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 makalelere de bakabilirsiniz:

Sonraki adımlar