.svg){kind=small}
De Nebula update van september 2024 breidt de Nebula AI toolkit uit door de introductie van een 'active learning' trainingsmethodologie, nauw geïntegreerd met Nebula Workflow. Deze update introduceert een nieuw Workflow stage-type dat een ideale toevoeging is voor gebruikers die een verdedigbare en metrics-gebaseerde strategie willen volgen in hun predictive coding (PC) projecten, in het bijzonder voor degenen die trainen met subject matter experts (SME's) om een lichtgewicht en zeer accuraat AI model te creëren.
Actief leren voor e-discovery projecten
Het nieuwe stadiumtype 'Active Learning' kan worden geconfigureerd om beoordelaars of KMO's direct batches documenten te laten controleren die een mix bevatten van zowel trainings- als validatiedocumenten; de verhouding hiervan kan worden gedefinieerd binnen de instellingen van het stadium 'Active Learning'. Dit verbetert de efficiëntie van de controle van de set en zorgt ervoor dat de validatie in balans is met het trainen van een kwaliteitsmodel. Hierdoor kunnen KMO's snelle, meetbare en verdedigbare voorspellende codering leveren voor elk project.
Beheer van controlesets
PC-beheerders zullen het gemakkelijk vinden om controlesets te beheren, de beoordeling door KMO's te coördineren en de effectiviteit van voorspellende coderingsresultaten te valideren. Gebruikers met de juiste rechten kunnen de controleset inschakelen met een druk op de knop en een prioriteitskenmerk definiëren, zoals prevalentie, recall of precisie. De Nebula houdt automatisch de voortgang van de controleset bij en past de vereiste controleset aan op basis van door de gebruiker ingestelde parameters, zoals betrouwbaarheidsniveau en foutmarge. Control set documenten zijn ontworpen om verborgen te blijven voor het SME team om vooringenomenheid te voorkomen, maar Admins kunnen deze documenten snel vinden met de snelkoppeling in het control set dialoogvenster. Daarnaast toont de grafiek prestatiecijfers voor de geselecteerde classifier, zodat gebruikers de meest impactvolle scoringsdrempel kunnen kiezen.
Leerstrategieën op maat in Nebula
Met deze update kunnen gebruikers de leerstrategie implementeren die het beste past bij hun behoeften of de eisen van de zaak, of dat nu TAR 1.0, 2.0, Continu Actief Leren etc. is, allemaal binnen de Nebula omgeving. Er zijn geen plugins of add-ons nodig. Alles zit in het platform, wat zorgt voor een gestroomlijnde, gebruiksvriendelijke ervaring voor het beheren van TAR en machine learning workflows.
Deze nieuwe functionaliteit versterkt Nebula's commitment om complexe eDiscovery workflows te ondersteunen en geeft gebruikers de tools die ze nodig hebben om predictive coding en active learning efficiënt te beheren, of ze nu ervaren predictive coding beoefenaars zijn of iemand die het voor de eerste keer gebruikt.