.svg){kind=small}
La mise à jour Nebula de septembre 2024 développe la boîte à outils Nebula AI en introduisant une méthodologie de formation par "apprentissage actif", étroitement intégrée à Nebula Workflow. Cette mise à jour introduit un nouveau type d'étape de Workflow qui est un ajout idéal pour les utilisateurs qui veulent suivre une stratégie défendable et soutenue par des métriques dans leurs projets de codage prédictif (PC), en particulier pour ceux qui se forment avec des experts en la matière (SME) pour créer un modèle d'IA léger et très précis.
Apprentissage actif pour les projets eDiscovery
Le nouveau type d'étape "Apprentissage actif" peut être configuré pour permettre aux réviseurs ou aux PME d'extraire directement des lots de documents contenant un mélange de documents de formation et de documents de validation, dont la proportion peut être définie dans les paramètres de l'étape d'apprentissage actif. Cela améliore l'efficacité de l'examen de l'ensemble de contrôle et garantit que la validation peut être équilibrée de manière appropriée avec la formation d'un modèle de qualité. Cela permet aux PME de fournir un codage prédictif rapide, mesurable et défendable sur n'importe quel projet.
Gestion des jeux de contrôle
Les administrateurs de PC trouveront facile de gérer les jeux de contrôle, de coordonner la révision par les PME et de valider l'efficacité des résultats du codage prédictif. Les utilisateurs disposant des autorisations nécessaires peuvent activer l'ensemble de contrôle en appuyant sur un bouton et définir une mesure prioritaire, telle que la prévalence, le rappel ou la précision. Nebula suit automatiquement la progression du jeu de contrôle et ajuste le jeu de contrôle requis en fonction des paramètres définis par l'utilisateur, tels que le niveau de confiance et la marge d'erreur. Les documents relatifs à l'ensemble de contrôle sont conçus pour rester cachés à l'équipe de PME afin d'éviter tout biais, mais les administrateurs peuvent rapidement localiser ces documents en utilisant le raccourci dans la boîte de dialogue de l'ensemble de contrôle. En outre, le graphique affiche les mesures de performance pour le classificateur sélectionné, ce qui permet aux utilisateurs de choisir le seuil de score le plus pertinent.
Stratégies d'apprentissage personnalisées dans Nebula
Avec cette mise à jour, les utilisateurs peuvent mettre en œuvre la stratégie d'apprentissage qui répond le mieux à leurs besoins ou aux exigences du sujet, qu'il s'agisse de TAR 1.0, 2.0, de l'apprentissage actif continu, etc, le tout dans l'environnement Nebula. Il n'y a pas besoin de plugins ou d'add-ons. Tout est contenu dans la plateforme, offrant une expérience rationalisée et conviviale pour la gestion des flux de travail TAR et machine learning.
Cette nouvelle fonctionnalité renforce l'engagement de Nebula à supporter les workflows complexes d'eDiscovery, en donnant aux utilisateurs les outils dont ils ont besoin pour gérer efficacement le codage prédictif et l'apprentissage actif, qu'ils soient des praticiens expérimentés du codage prédictif ou qu'ils l'utilisent pour la première fois.