Explanation:

ドキュメント検証アクションのデータを使用して、AI センターでドキュメント理解機械学習 (ML) モデルを自動的に再トレーニングしてデプロイするには、次の手順に従います。
* 使用したデータセットに Human in the Loop データを送信します。
* このステップでは、人間のレビュー担当者によって検証および修正されたデータをデータセットに送信します。このデータは、MLモデルのトレーニングに使用されます。
* スケジュールされたエクスポートを使用して、ドキュメント マネージャーのエクスポート機能を使用します。
* データを確認して検証した後、ドキュメント マネージャーからエクスポートする必要があります。
スケジュールされたエクスポートによりこのプロセスが自動化され、AI センターのデータセットが新しいデータで定期的に更新されるようになります。
* 自動再トレーニングを有効にしたスケジュールされたパイプラインを使用して、AI センターでトレーニング/完全なパイプラインを実行します。
* データセット内のデータが更新されたら、次のステップはトレーニングまたはパイプライン全体を実行することです。自動再トレーニング機能を備えたスケジュールされたパイプラインを使用することで、MLモデルは最新のデータで自動的に再トレーニングされます。
* ML スキルの自動更新機能を有効にします。
* 最後に、ML スキルの自動更新機能を有効にすると、新しくトレーニングされたモデルが自動的にデプロイされ、改善されたモデルをドキュメント理解タスクに使用できるようになります。
これらの手順を指定された順序で実行することで、人間が検証したデータに基づいて ML モデルを継続的に改善する効率的なプロセスが可能になり、時間の経過とともにドキュメント理解タスクの精度と効率が向上します。

UiPathの「ドキュメントスコープの分類」アクティビティは、ドキュメント理解フレームワークでサポートされているドキュメントを分類するために使用されます。主にPDF、JPG、PNGなどの画像ベースのファイル形式に対応しており、RAWファイルや.rawなどの非標準ファイル形式は処理できません。

初期の1000ページと新たにラベル付けされた800ページの両方を含む新しいモデルバージョンを作成するための正しいパイプライン構成は、Fullパイプラインを実行することです。これにより、利用可能なすべてのデータ（合計1800ページ）を使用してモデルが完全に再トレーニングされます。評価データセットは、再トレーニング後のモデルのパフォーマンスを測定するために、100ページのままにしておく必要があります。このアプローチは、すべてのラベル付けされたデータを取り込みながら、既知のデータセットに対する評価を可能にすることで、モデルの学習を最大化します。

提供されたワークフローから:
* ステータスの割り当てアクティビティは、変数ステータスを値「承認済み」に設定します。
* ステータスの確認アクティビティは、定義された条件に対してステータスの値を評価します。
* 「保留中」、「新規」、「不明」のブランチがあります。
* これらの条件のいずれもステータスの値と一致しない場合は、「デフォルト」ブランチがトリガーされます。
* 「承認済み」は「保留中」、「新規」、または「不明」と一致しないため、デフォルト ブランチが実行されます。
デフォルト ブランチの Write Line アクティビティは、出力パネルに「ステータスが無効です。」を出力します。