Machine Learning Lab

O Machine Learning Lab do Ivanti Neurons oferece um ambiente centralizado para criar, treinar e implantar modelos de aprendizado de máquina. Atualmente, esses modelos podem ser usados ​​para alimentar a classificação de tíquetes do Neurons for ITSM, mas outros aplicativos virão na sequência. Os modelos são criados a partir da Plataforma Ivanti Neurons e permanecem lá mesmo quando implantados.
Com o Machine Learning Lab, você não precisa mais de conhecimento profundo sobre modelos de aprendizado de máquina.

Você pode encontrar o Machine Learning Lab do Ivanti Neurons em Software > Machine Learning Lab.
Para implantar de forma bem-sucedida um modelo de aprendizado de máquina, será preciso preparar o seguinte:

  • Dados de treinamento: conjunto de exemplos em que a combinação de entrada e saída é sabidamente correta.
  • Palavras irrelevantes (opcional): lista de palavras que o modelo deve ignorar. Isso pode ser usado para melhorar o desempenho do modelo.
    Observe que um conjunto padrão de palavras irrelevantes da NLTK é aplicado automaticamente.

Para mais informações sobre como preparar seu conjunto de dados e treinar um modelo de aprendizado de máquina, consulte Começando a usar a Classificação de Tickets.

Atualmente, o Machine Learning Lab suporta apenas modelos de aprendizado e máquina para Classificação de Tickets do Neurons for ITSM e idioma inglês.

A tabela Modelos de Aprendizado de Máquina apresenta uma lista dos modelos de aprendizado de máquina existentes e suas propriedades.
Clique em Nome do Modelo para obter informações mais detalhadas sobre o modelo.

Abaixo encontra-se uma lista de ações possíveis em relação aos modelos de aprendizado de máquina.
Para orientações passo a passo sobre como configurar a Classificação de Tickets, consulte Começando a usar a Classificação de Tickets.

Para adicionar um novo modelo, primeiro você deve exportar e preparar os dados de treinamento do sistema em que o modelo será implantado. Opcionalmente, você pode adicionar um arquivo com palavras irrelevantes para ajustar o modelo.
Para mais informações sobre como preparar os dados, consulte Começando a Usar a Classificação de Tickets, etapa 3. Limpeza dos dados de treinamento.

  1. Clique em Adicionar modelo.
    O painel Adicionar Modelo é aberto.
  2. Especifique o Nome do modelo e selecione o Tipo e o Idioma desejados.
    Atualmente, os campos Tipo e Idioma têm apenas uma opção e não podem ser alterados.
  3. Selecione um arquivo CSV contendo os dados de treinamento.
    O arquivo CSV não deve conter ponto final na coluna Serviço.
  4. Opcionalmente, selecione um arquivo CSV contendo palavras irrelevantes.
  5. Salve as alterações. Você também pode começar a treinar o modelo imediatamente, selecionando Salvar e treinar.
    O painel Adicionar Modelo se fecha.

Agora você pode clicar em reticências verticais para selecionar a próxima etapa.

Dependendo do status do modelo, pode ser que a opção Editar não esteja disponível.

  1. Clique no nome de um modelo na tabela Modelos de Aprendizado de Máquina ou clique em reticências verticais e selecione Editar.
    O painel de edição do modelo é aberto.
  2. Na guia Dados do modelo do painel, você encontrará informações sobre a configuração do modelo. Você pode editar esses dados, se necessário.
  3. Salve as alterações. Você também pode começar a treinar o modelo imediatamente, selecionando Salvar e treinar.
    O painel se fecha.

Dependendo do status do modelo, pode ser que a opção Treinar não esteja disponível.

  1. Selecione Salvar e treinar no painel de edição do modelo ou, na exibição da lista de modelos, clique em reticências verticais e selecione Treinar.
  2. O Machine Learning Labs carrega os dados de treinamento e as palavras irrelevantes fornecidas e inicia o treinamento.

Após um modelo ser treinado, você pode verificar a precisão dele na guia Detalhes (clique em reticências verticais e selecione Exibir).
A precisão é expressa por meio de dois números:

  • Precisão de treinamento: porcentagem de classificações corretas obtidas durante o treinamento.
  • Precisão de teste: porcentagem de inferências corretas nas amostras dos dados de treinamento que não foram usadas no treinamento.

Essas porcentagens podem ajudar você a decidir qual é o melhor modelo para o seu ambiente.
Você pode ter vários modelos treinados em seu Machine Learning Lab.

Se o Machine Learning Lab detectar algum problema ao tentar treinar o modelo, o status mudará para Falha no treinamento. Se isso ocorrer, clique em reticências verticais, selecione Exibir e acesse a guia Detalhes do modelo para obter mais informações.

Quando uma nova classe é adicionada ou uma classe existente é descontinuada no seu ambiente Neurons for ITSM, você deve treinar um novo modelo com um conjunto atualizado de dados de treinamento. Consulte também Quando treinar um novo modelo.

Implantar o modelo significa fazer com que os dados dos novos incidentes criados comecem a ser processados por ele.
O modelo em si permanece no Machine Learning Lab.
Para implantar um modelo no seu ambiente Neurons for ITSM, clique em reticências verticais e selecione Implantar. Somente modelos com o status Treinado podem ser implantados.

Se outro modelo já estiver implantado quando você for implantar um modelo, o status do modelo anterior será definido de volta para Treinado. O novo modelo será então implantado. Durante esse processo, os novos incidentes criados não são classificados.
Após o término da implantação, a classificação (re)começará para os incidentes criados desse momento em diante.

Após a implantação de um modelo, a guia Detalhes dele apresentará as seguintes informações (clique em reticências verticais selecione Exibir):

  • Número de chamadas de API: quantas vezes o modelo foi chamado para prever a classe de um incidente desde a sua implantação.
  • Probabilidade média das classes principais: quando o modelo é chamado para prever a classe de um incidente, a classe com a maior probabilidade de acordo com o modelo é proposta ao Neurons for ITSM.
    Este valor mostra a probabilidade média das principais classes de incidentes propostas desde que o modelo foi implantado.


Atualmente, a única maneira de "desimplantar" um modelo é excluí-lo.

Se o Machine Learning Lab detectar algum problema ao tentar implantar o modelo, o status mudará para Falha na implantação. Se isso ocorrer, clique em reticências verticais, selecione Exibir e acesse a guia Detalhes do modelo para obter mais informações.

Quando uma nova classe é adicionada ou uma classe existente é descontinuada no seu ambiente Neurons for ITSM, você deve treinar um novo modelo com um conjunto atualizado de dados de treinamento. Consulte também Quando treinar um novo modelo.

Na exibição da lista de modelos, clique em reticências verticais na linha do modelo que deseja excluir e selecione Excluir.
Se o modelo estava implantado, os novos incidentes criados não serão mais classificados.