Κοινή χρήση μέσω


Ρύθμιση έξυπνου μοντέλου εύρεσης δυνατοτήτων

Σημείωμα

Οι πληροφορίες διαθεσιμότητας της δυνατότητας είναι οι εξής.

Κέντρο επικοινωνίας του Dynamics 365 - ενσωματωμένο Κέντρο επικοινωνίας του Dynamics 365 - μεμονωμένο Dynamics 365 Customer Service
Όχι Όχι Όχι

Για να ρυθμίσετε τις παραμέτρους των συνόλων κανόνων ταξινόμησης δεξιοτήτων βάσει εκμάθησης μηχανής, μπορείτε να ρυθμίσετε τα ευφυή μοντέλα εύρεσης δεξιοτήτων που μπορούν να χρησιμοποιηθούν για την πρόβλεψη δεξιοτήτων.

Μπορείτε να δημιουργήσετε, να δοκιμάσετε και να εκπαιδεύσετε μοντέλα εκμάθησης μηχανής που χρησιμοποιούν τεχνητή νοημοσύνη για τον προσδιορισμό των απαραίτητων δεξιοτήτων για νέα αντικείμενα εργασίας και χρησιμοποιώντας τα δεδομένα στο Microsoft Dataverse. Ωστόσο, εάν προσπαθείτε να ρυθμίσετε το μοντέλο σε έναν νέο οργανισμό ή εάν η δρομολόγηση με βάση τις δυνατότητες δεν χρησιμοποιείται, ενδεχομένως να μην έχετε τα απαραίτητα δεδομένα δυνατοτήτων. Σε αυτές τις συνθήκες, μπορείτε να χρησιμοποιήσετε δεδομένα από άλλη εφαρμογή χρησιμοποιώντας την επιλογή Εισαγωγή από Excel στο μοντέλο εύρεσης δυνατοτήτων.

Η ευφυής εύρεση δεξιοτήτων εξαρτάται από το προσαρμοσμένο μοντέλο ταξινόμησης κατηγορίας AI Builder. Επομένως, το AI Builder θα πρέπει να είναι διαθέσιμο στη γεωγραφική περιοχή όπου θέλετε να χρησιμοποιήσετε ευφυή εύρεση δεξιοτήτων. Περισσότερες πληροφορίες: Διαθεσιμότητα του AI Builder.

Σημαντικό

Εάν θέλετε να εισαγάγετε μοντέλα εύρεσης δεξιοτήτων από ένα περιβάλλον σε ένα άλλο, βεβαιωθείτε ότι κάνετε εισαγωγή και εξαγωγή μεταξύ περιβαλλόντων του ίδιου τύπου. Ένα μοντέλο που είναι εκπαιδευμένο στο δοκιμαστικό περιβάλλον θα λειτουργεί μόνο σε ένα άλλο δοκιμαστικό περιβάλλον και όχι σε ένα περιβάλλον παραγωγής.

Προαπαιτούμενα στοιχεία

Πρέπει να ενεργοποιήσετε AI Builder τα μοντέλα έκδοση προεπισκόπησης να χρησιμοποιούν το έξυπνο μοντέλο εύρεσης δυνατότητα.

Δημιουργία μοντέλων εύρεσης δυνατοτήτων

Μπορείτε να δημιουργήσετε όσα μοντέλα αξιολόγησης ευφυούς εύρεσης δεξιοτήτων απαιτεί η επιχείρησή σας.

  1. Στον χάρτη τοποθεσίας του κέντρου διαχείρισης του Customer Service, επιλέξτε Πληροφορίες στις Λειτουργίες. Εμφανίζεται η σελίδα Πληροφορίες.

  2. Στην ενότητα Ευφυής εύρεση δεξιοτήτων, επιλέξτε Διαχείριση.

  3. Στη σελίδα Ευφυή μοντέλα εύρεσης δεξιοτήτων, επιλέξτε Δημιουργία και στην καρτέλα Ρύθμιση παραμέτρων της σελίδας του νέου μοντέλου εύρεσης δεξιοτήτων, πληκτρολογήστε ένα όνομα.

  4. Στα Κριτήρια δεδομένων, καταχωρήστε τα εξής για το σχηματισμό των καρτελών συνόλου δεδομένων:

    • Χαρακτηριστικά (Απαιτείται): Επιλέξτε χαρακτηριστικά από τη λίστα Χαρακτηριστικά και σχετικά στοιχεία για το σχηματισμό του συνόλου δεδομένων εκπαίδευσης. Οι αντίστοιχες τιμές χαρακτηριστικών θα συγχωνευθούν με τη σειρά με την οποία προστίθενται και θα χρησιμοποιηθούν για το σχηματισμό της συμβολοσειράς εισόδου για τα δεδομένα εκπαίδευσης μοντέλου.
    • Φίλτρα: Προαιρετική εφαρμογή φίλτρων για την υπό όρους επιλογή σχετικών καρτελών.
    • Εύρος ημερομηνιών: Επιλέξτε μια τιμή για να ορίσετε τη χρονική περίοδο για την οποία πρέπει να φορτωθούν οι καρτέλες.

    Ρύθμιση παραμέτρων μοντέλου εύρεσης δυνατοτήτων.

  5. Επιλέξτε Αποθήκευση και, στη συνέχεια, επιλέξτε Φόρτωση δεδομένων εκπαίδευσης Εμφανίζεται η καρτέλα Δεδομένα εκπαίδευσης και εμφανίζεται η κατάσταση φόρτωσης δεδομένων.

  6. Αφού ολοκληρωθεί ο φόρτωση, εξετάστε τα δεδομένα και επεξεργαστείτε τις καρτέλες, εάν θέλετε να τροποποιήσετε τις ετικέτες.

  7. Στην ενότητα Εκπαίδευση δεδομένων, επιλέξτε το πλαίσιο ελέγχου για τα Δεδομένα εισόδου για να επιλέξετε όλες τις καρτέλες και επιλέξτε Έγκριση. Για να εκπαιδευθεί το μοντέλο πρέπει να εγκρίνετε τουλάχιστον 50 καρτέλες.

  8. Επιλέξτε Εκαπίδευση μοντέλου και επιλέξτε Εκπαίδευση μοντέλου ξανά στο παράθυρο διαλόγου επιβεβαίωσης.

  9. Αφού ολοκληρωθεί η αλλαγή κατάστασης στην εκπαίδευση, επιλέξτε τις σειρές που θέλετε να δημοσιεύσετε και επιλέξτε Δημοσίευση μοντέλου. Το μοντέλο δυνατοτήτων είναι έτοιμο για χρήση.

Δοκιμή του μοντέλου

Μπορείτε να δοκιμάσετε το μοντέλο σας για να διαπιστώσετε αν λειτουργεί όπως αναμενόταν. Εκτελέστε τα ακόλουθα βήματα για να δείτε την απόδοση και την ακρίβεια του μοντέλου.

  1. Στο Power Apps, επιλέξτε το περιβάλλον που περιέχει τη λύση σας.
  2. Επιλέξτε μοντέλα AI. Μπορείτε να δείτε τα μοντέλα που έχετε δημιουργήσει στην ενότητα Τα μοντέλα μου και τα μοντέλα που σας έχουν κοινοποιηθεί στην ενότητα Κοινή χρήση μαζί μου. Επιλέξτε το απαιτούμενο μοντέλο.
  3. Επιλέξτε Γρήγορη δοκιμή. Για να λάβετε πληροφορίες σχετικά με το μοντέλο, επιλέξτε την κάθετη έλλειψη δίπλα στο κουμπί Γρήγορη δοκιμή και, στη συνέχεια, επιλέξτε Λήψη λεπτομερών μετρήσεων. Το αρχείο μετρήσεων περιέχει πληροφορίες σχετικά με την απόδοση και την ακρίβεια του μοντέλου. Για περισσότερες πληροφορίες, ανατρέξτε στην ενότητα Κατανόηση της απόδοσης του μοντέλου ταξινόμησης κατηγοριών
  4. Στο πεδίο Κείμενο, πληκτρολογήστε το απαιτούμενο κείμενο και, στη συνέχεια, επιλέξτε Δοκιμή. Οι ετικέτες που έχουν στηθεί εμφανίζονται στις προτεινόμενες ετικέτες και την εμπιστοσύνη.
  5. Κατά την εκτέλεση του μοντέλου, εάν οι προβλεπόμενες ετικέτες ταιριάζουν με τις διαθέσιμες δεξιότητες στον οργανισμό, οι αντίστοιχες δεξιότητες συνδέονται με το μοντέλο.

Εκπαιδεύστε εκ νέου το μοντέλο επαναλαμβανόμενα

Θα πρέπει να επαναφερετε το δημοσιευμένο μοντέλο σας επανλαμβανόμενα για να βελτιώσετε το μοντέλο με νέα δεδομένα στο Microsoft Dataverse. Για παράδειγμα, η επανεκπαίδευση μοντέλων μπορεί να γίνει με τη χρήση των καρτελών στις οποίες οι εκπρόσωποι έχουν ενημερώσει τις δεξιότητες για καρτέλες ή συνομιλίες. Όταν εκπαιδεύετε εκ νέου το μοντέλο για να συμπεριλάβει τις δεξιότητες που έχουν προστεθεί από εκπρόσωπους, επανεξετάστε τις καρτέλες δεδομένων εκπαίδευσης μετά τη φόρτωσή του, για να βεβαιωθείτε ότι πληροί τα απαιτούμενα κριτήρια δεξιοτήτων.

Για πληροφορίες σχετικά με το πώς οι εκπρόσωποί σας μπορούν να ενημερώσουν τις δεξιότητες, ανατρέξτε στο θέμα Διαχείριση δεξιοτήτων. Για να επιτρέψετε στους εκπρόσωπους σας να ενημερώνουν τις δεξιότητες κατά τον χρόνο εκτέλεσης, ανατρέξτε στο θέμα Ενεργοποίηση εκπροσώπων για ενημέρωση δεξιοτήτων.

Μπορείτε να ορίσετε τις συνθήκες όπως παρουσιάζονται στο παρακάτω στιγμιότυπο.

Προϋποθέσεις για λήψη δεδομένων για την επανεκπαίδευση του μοντέλου.

Χρήση δεδομένων εκπαίδευσης από αρχείο Excel

Εάν δεν έχετε δεδομένα για να εκπαιδεύσετε το μοντέλο σας, μπορείτε να συμπληρώσετε δεδομένα δυνατοτήτων και χαρακτηριστικών σε αρχεία Excel και να τα στείλετε στην εφαρμογή χρησιμοποιώντας τη δυνατότητα εισαγωγής του Microsoft Dataverse.

Για να χρησιμοποιήσετε τα δεδομένα από τα αρχεία Excel, πρέπει να βεβαιωθείτε για τα εξής:

  • Το όνομα μοντέλου στην εφαρμογή πρέπει να ταιριάζει με το όνομα στη στήλη Καρτέλα εκπαίδευσης του αρχείου Excel.

  • Ονομάστε τα αρχεία ως msdyn_ocsitrainingdata.csv και msdyn_ocsitdskill.csv.

  • Βεβαιωθείτε ότι η συμβολοσειρά δεδομένων εισόδου είναι μικρότερη ή ίση με 5000 χαρακτήρες για να αποφύγετε την περικοπή.

Ένα δείγμα κάθε αρχείου είναι το εξής. Μπορείτε να επιλέξετε τις συνδέσεις για λήψη των δειγμάτων αρχείων.

msdyn_ocsitrainingdata.csv

Μοντέλο εύρεσης δεξιοτήτων Όνομα καρτέλας εκπαίδευσης Δεδομένα εισόδου
Μοντέλο εύρεσης δεξιοτήτων CCSFM01-Contoso Coffee A10001 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Γεια σας, εργάζομαι στην Trey Research. Μία από τις αυτόματες μηχανές εσπρέσο έχει αρχίσει να υπερθερμαίνετε και να αναδίδει οσμή καμμένου μετά από 30 λεπτά χρήσης. Βοηθήστε μας! Ναι. Αρ.
Μοντέλο εύρεσης δεξιοτήτων CCSFM01-Contoso Coffee A10002 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Γεια σας, έχω πρόσφατα αγοράσει μια καφιετιέρα Café A-100 και η πάνω πλάκα της ζεσταίνεται μετά από 15 λεπτά χρήσης. Λύστε το θέμα το συντομότερο δυνατό.
Μοντέλο εύρεσης δεξιοτήτων CCSFM01-Contoso Coffee A10003 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Γεια σας, δεν μπορώ να εκκινήσω την εσπρεσιέρα που αγόρασα πρόσφατα, φαίνεται ότι η πρίζα που παρέχεται με αυτήν δεν λειτουργεί.
Μοντέλο εύρεσης δεξιοτήτων CCSFM01-Contoso Coffee A10004 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Γεια σας, εργάζομαι στην Trey Research. Αναζητώ αντικατάσταση της καφετιέρας που αγόρασα πριν 3 μήνες. Ακόμη και μετά προηγούμενα παράπονα σχετικά με την υπερθέρμανση το πρόβλημα παραμένει. Βοηθήστε μας!
Μοντέλο εύρεσης δεξιοτήτων CCSFM01-Contoso Coffee A10005 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Γεια σας, η καφετιέρα Café A-100 που αγόρασα πρόσφατα δεν είναι στο χρώμα που παρήγγειλα. Αντικαταστήστε την ίδια.

msdyn_ocsitdskill.csv

Καρτέλα εκπαίδευσης Αντιστοίχιση χαρακτηριστικών Χαρακτηριστικό
A10001 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Café A-100 Café A-100
A10001 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Θέρμανση Θέρμανση
A10001 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Ηλεκτρικά Ηλεκτρικά
A10002 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Café A-100 Café A-100
A10002 Δεδομένα εκπαίδευσης CCSFM01-Contoso Coffee Θέρμανση Θέρμανση

Εκτελέστε τα παρακάτω βήματα για να αποστείλετε τα δεδομένα για την εκπαίδευση του μοντέλου σας:

  1. Στη σελίδα Μοντέλο εύρεσης δυνατοτήτων πληκτρολογήστε ένα όνομα για το μοντέλο και, στη συνέχεια, αποθηκεύστε τη φόρμα.

  2. Επιλέξτε την καρτέλα Δεδομένα εκπαίδευσης και επιλέξτε Εισαγωγή από Excel.

  3. Επιλέξτε τα αρχεία .csv για αποστολή στο εργαλείο εισαγωγής.

    Εισαγωγή αρχείου δεδομένων χρησιμοποιώντας το Excel.

  4. Εξετάστε τις ρυθμίσεις αποστολής και επιλέξτε Τέλος αφού δείτε στα στάδια. Η αποστολή δεδομένων ξεκινά. Ο χρόνος που απαιτείται για την αποστολή δεδομένων εξαρτάται από τον αριθμό των καρτελών.

  5. Προαιρετικά, μπορείτε να επιλέξετε Ανανέωση για να δείτε την ενημερωμένη κατάσταση της αποστολής δεδομένων.

  6. Εκτελέστε τα βήματα 5 έως 8 στην ενότητα Δημιουργία μοντέλων εύρεσης δεξιοτήτων για έγκριση, εκπαίδευση και δημοσίευση του μοντέλου σας.

Δείτε επίσης

Επισκόπηση δρομολόγησης βάσει δεξιοτήτων
Επισκόπηση ενοποιημένης δρομολόγησης
Ρύθμιση δρομολόγησης με βάση τις δεξιότητες σε ενιαία δρομολόγηση