Interface - Training
Vous pouvez accéder à cette page Training en cliquant sur l’icône dans le menu vertical bleu à gauche du portail my.satisfaction.AI.
Une fois votre classement de phrases terminé, vous êtes prêt à entraîner votre xBot, à lui inculquer le nouveau savoir que vous venez de classer. Vous pouvez le faire à partir de la page « Training ».
L’interface Training vous permet de lancer l’entraînement de la mémoire de votre xBot. Nous parlons ici de l’entraînement des réseaux de neurones ou deep learning (ou en français “apprentissage profond”) pour le langage naturel métier que vous lui aurez transmis au travers des phases d’apprentissage/classification.
Cette interface permet aussi :
-
d’accéder à l’interface de gestion, de suivi et de supervision des sessions d’entraînement de l’agent,
-
d’analyser les performances du modèle d’IA de votre xBot,
-
de savoir quelle version de votre agent est en cours d’utilisation en environnement de test (testing) et en environnement de production.
- NB: Pour rappel, tout xBot au sein du portail my.satisfaction.AI a deux états :
-
Etat de test (testing) : Etat préparatoire, de “bac à sable” ou bien de pré-production où vous pouvez créer de nouveaux scenarii ou adapter les scenarii existants,
-
Etat de production : Etat disponible pour vos utilisateurs finaux, où vous pouvez superviser la version de l’agent en production et potentiellement opérer des modifications mineures en temps réel.
Quand vous cliquez sur le bouton 
en haut à droite de cette page , le bouton passe à l’état 
le temps que nos serveurs d’intelligence artificielle mettent à jour alors le modèle d’AI qui sert à la compréhension de votre xBot.
Dans cette version 3.0, il faut raffraichir la page pour voir si le status de la page Training à changer.
Vous avez ensuite accès aux résultats du modèle, ainsi qu’aux tests qui vous permettront de vérifier la robustesse de compréhension de votre xBot.
- NB: Veuillez noter que l’Entrainement peut prendre un certain temps (de 10 à 15 mns) .
- La représentation cartographique des intentions
Ce graphique à bulles vous donne un aperçu rapide de ce à quoi ressemble le modèle d’AI de votre xBot. Pour chaque bulle :
-
la taille représente le nombre de phrases classifiées,
-
la couleur représente le domaine (cliquez ici pour plus d’information) de l’intention,
En cliquant sur le lien 
, vous pouvez voir s’afficher la liste des Intentions avec leur nombre de phrases classifiées.
- La vue d’ensemble et la vue détaillée des test set
Sous la représentation de la cartographie des intentions, vous trouverez une vue d’ensemble des résultats du training. Les phrases mises dans le jeu de tests sont testées et sont comprises (= associée par le xBot à la bonne intention) ou non ou encore mal comprise (= associée avec une intention non pertinente).
Pour le Training sélectionné, vous trouverez dans le sous onglet Overview (Aperçu) ce qui est bien compris et ce qui n’est pas compris par le xBot:
La vue Détails vous permet de plonger en profondeur dans les résultats pour comprendre les erreurs et ce qui a échoué pendant le Training. Vous pouvez trier les informations clés suivantes dans un ordre descendant ou ascendant :
-
“Intents” (Intention)
-
“Sentences for test” (Phrases de tests)
-
“Matching result” (Résultat de correspondance/compréhension) : “Passed/failed” (Réussi/échec)
-
Score % : Dans quelle mesure la phrase de test correspond à l’intention détectée
-
“Result”: (Erreur de correspondance) : en cas d’échec, combien la phrase du test correspond à l’Intention mal détectée
- Le Training en cours d’utilisation
Le bloc “Training in use” affiche des informations sur le Training en cours d’utilisation, notamment les informations suivantes pour le xBot dans l’environnement de production et le xBot dans l’environnement de test :
-
Quand le Training a été lancé et qui l’a lancé,
-
le nombre total d’intentions,
-
le nombre total de phrases du jeu de test (Test set),
-
le nombre total de phrases en statut “passé“ dans le jeu de test,
-
le nombre total de phrases en état “erreur“ dans le jeu de test.
- L’historique des trainings
Le bloc “Past training” à droite de la page affiche une liste des 10 trainings précédents. En cliquant sur le lien 
(plus), vous accédez à la page de l’historique des Trainings.
Les trainings précédents sont listés avec les informations suivantes :
-
Quel numéro de Training est en production et dans l’environnement de test
-
l’état/le résultat du training : Succès (“Passed”) ou échec (“Failed”)
& aussi :
-
le nombre total d’intentions,
-
le nombre total de phrases du jeu de test (Test set),
-
le nombre total de phrases en statut “passé“ dans le jeu de test,
-
le nombre total de phrases en état “erreur“ dans le jeu de test.
- Comparaison des Trainings
Vous pouvez comparer l’entraînement actuel de votre xBot avec les entraînements précédents en cliquant sur le bouton 
ou via l’icône 
‘ Compare ’ disponible dans la page Historique des Trainings (voir juste au dessus pour plus d’informations sur cette page).
En affichant deux séances d’entraînement côte à côte, vous pouvez comparer très facilement par exemple les intentions, les résultats avec les phrases du Test sets et de nombreux autres critères. En faisant cela régulièrement, vous pouvez mesurer au fil du temps l’évolution et la performance de l’intelligence artificielle de votre xBot.
Vous pouvez comparer des sessions de training du même environnement de test/production de votre xBot et vous pouvez également comparer une toute nouvelle session de training de votre xBot de test avec une session de training de votre xBot de production. Vous pouvez voir ainsi si vos modifications des connaissances sur la page Knowledge & Skills ou vos changements dans la classification des phrases de la page Classification améliorent la compréhension de votre xBot.
- Quelle est la prochaine étape ?
Si vous êtes satisfait des résultats du dernier Training de votre test xBot, les nouvelles connaissances et le modèle AI peuvent être déployés sur votre xBot de production.
N’hésitez pas à nous contacter à cette adresse email support@satisfaction.ai pour vous assister dans le déploiement en production.
Documented/reviewed 19/09/2018 7:12:55 AM