Document Understanding Process Template #5

Merhaba, Bu yazımızda, Document Understanding Process Template içerisinde kullanılan ML Extractor aktivitesinin arka planında yer alan makine öğrenmesi modelinin nasıl oluşturulduğunu ele alacağız. AI Center üzerinde ML Package oluşturma, model eğitimi (Training), değerlendirme (Evaluation) ve ML Skill olarak yayına alma süreçlerini adım adım inceleyeceğiz. Keyifli okumalar!

Lisans Aktifleştirme

Öncelikle Automation Cloud üzerinden AI Center ve Document Understanding servislerinin aktif olup olmadığı kontrol edilmelidir.

Automation Cloud (https://cloud.uipath.com/) adresine gidilir.

Açılan ekranda;

1 numaralı alandaki butona tıklanır.

Açılan ekranda;

1 numaralı alandaki “Admin” butonuna tıklanır.

Açılan ekranda;

1 numaralı alandaki “DefaultTenant” alanına, daha sonra 2 numaralı alandaki “Services” alanına tıklanır.

Açılan ekranda;

1 numaralı alana tıklanır, daha sonra 2 numaralı alandaki “Enable” butonuna tıklanır.

Böylece AI Center lisansı aktifleştirilir. Aynı işlem Document Understanding için de yapılmalıdır.

Daha sonra AI Center platformuna geçmek için ise;

1 numaralı alana tıklanır, ardından 2 numaralı alandaki “AI Center” butonuna tıklanır.

 

Proje Oluşturma

Yeni bir proje oluşturmak için 1 numaralı alandaki “Create Project” butonuna tıklanır.

Açılan ekranda;

1 numaralı “Project name” alanına proje adı girilir.

2 numaralı “Create” butonuna tıklanır. Böylece projemiz oluşturulur.

Datasets

Veri seti oluşturmak için 1 numaralı alandaki “Datasets” butonuna tıklanır, ardından 2 numaralı alandaki “Create new” butonuna tıklanır.

Açılan ekranda;

1 numaralı alandaki “Dataset name” alanına veri setimizin adı girilir, ardından 2 numaralı alandaki “Create” butonuna tıklanır.

Açılan ekranda;

Projede kullanılacak dosyaları yüklemek için 1 numaralı alandaki “Upload files” butonuna tıklanır.

Açılan ekranda;

1 numaralı alana dosyalar sürüklenerek bırakılır veya alana tıklanarak dosyalar seçilir.

2 numaralı alandaki “Upload” butonuna tıklanır.

Data Labeling

Bu aşamada modelin öğrenebilmesi için alan tanımlamaları (field definitions) yapılır.

1 numaralı alandaki “Data Labeling” butonuna tıklanır.

2 numaralı alandaki UiPath Document Understanding” alanına tıklanır.

Açılan ekranda;

1 numaralı “Name” alanına isim girilir,

2 numaralı “Dataset” alanında veri seti seçimi yapılır,

3 numaralı alandaki “Create” butonuna tıklanarak Data labeling oluşturulur.

Açılan ekranda;

Yeni oluşturduğumuz Data Labeling Session açmak için 1 numaralı alana tıklanır.

Daha sonra Document Understanding ekranı açılır. Bu ekranda alan tanımları yapmamız gerekmektedir.

1 numaralı alandaki butona tıklayarak bir alan tanımı yapılmaktadır.

Açılan pencerede;

1 numaralı alana isim değeri girilir,

2 numaralı alandaki “OK” butonuna tıklanır.

Açılan pencerede;

1 numaralı alanda alana dair tip otomatik olarak String tipinde gelmektedir. Alanın tipine göre özel seçimler bu 1 numaralı alanda yapılır.

2 numaralı alanda özel seçimler yapılabilir,

3 numaralı alandaki “Save” butonuna tıklanır.

Alan tanımlamaları yapıldıktan sonra;

1 numaralı alandaki “Import” butonuna tıklanır.

Açılan pencerede;

2 numaralı alana isim değeri girilir,

3 numaralı alana etiketleme yapılacak dosyalar sürüklenerek bırakılır veya alana tıklanarak dosyalar seçilir,

4 numaralı alandaki “Upload” butonuna tıklanır.

Dosyalar yüklendikten sonra;

1 numaralı alandaki “Import” butonuna tıklanır.

Dosyalar yüklendikten sonra 1 numaralı alandaki “Predict” butonuna tıklanarak otomatik etiketleme işlemi yapılır.

Açılan ekranda;

1 numaralı alana isim değeri girilir,

2 numaralı “All” alanı seçilir,

3 numaralı “Export to AI Center” butonuna tıklanır.

ML Packages

Model oluşturma sürecinde:

1 numaralı “ML Packages” alanına tıklanır.

2 numaralı “Out of the box Packages” alanına tıklanır.

Açılan ekranda paket seçimi yapmak için;

1 numaralı “UiPath Document Understanding” alanına tıklanır.

Açılan ekranda;

1 numaralı alandaki “DocumentUnderstanding” paketi seçilir.

Açılan ekranda;

1 numaralı alanda paket versiyonu seçimi yapılır.

2 numaralı alandaki “Submit” butonuna tıklanır.

Açılan ekranda;

1 numaralı alana paket adı değeri girilir,

2 numaralı alandaki “Submit” butonuna tıklanır.

Pipelines

Model eğitimi için Pipeline oluşturulur.

1 numaralı alandaki “Pipelines” butonuna tıklanır,

2 numaralı alandaki “Create new” butonuna tıklanır.

Açılan ekranda;

1 numaralı alanda “Full Pipeline run” seçimi yapılır,

2 numaralı alana isim değeri girilir,

3 numaralı alanda önceki adımlarda oluşturulan ML Package seçimi yapılır,

4 ve 5 numaralı alanlarda paket versiyon seçimleri yapılır,

6 ve 7 numaralı alanlarda ise önceki adımda export edilen dataset seçimi yapılır,

8 numaralı alandaki “Run now” seçimi yapılır,

9 numaralı alanda “Create” butonuna tıklanır.

Açılan ekranda pipeline işleminin tamamlanması için beklememiz gerekiyor. Bu işlemin tamamlanması 24 dakika sürdü. 1 numaralı alanda “Successful” yazdığında bu işlemin başarılı tamamlandı diyebiliriz.

ML Skills

Eğitilen modeli Document Understanding projesinde kullanabilmek için ML Skill oluşturulmalıdır.

1 numaralı alandaki “ML Skills” butonuna tıklanır,

2 numaralı alandaki “Create new” butonuna tıklanır.

Açılan ekranda;

1 numaralı alana isim değeri girilir,

2 numaralı alanda önceki adımlarda oluşturulan ML Package seçimi yapılır,

3 ve 4 numaralı alanlarda paket versiyon seçimleri yapılır,

5 numaralı alanda “Create” butonuna tıklanır.

ML Skills devre dışı kalma durumu ile karşılaştığınızda aşağıdaki makalemizi inceleyebilirsiniz.

Bugün ne öğrendim? #6: Document Understanding ML Skills Devre Dışı Kalma Durumu

 

Document Understanding Process Template #5 makalemizin sonuna geldik. Document Understanding Process Template #6 makalesi çok yakında…