A. 문서 라벨링 작업 활동 만들기

B. 라벨링 작업 활동 생성

C. 라벨링 작업 활동 만들기

D. 외부 작업 활동 생성

A. 다른 연결된 자동화와 원활하게 통합합니다.

B. 사용하기 쉽고 실행하기 쉬운 완벽한 기능을 갖춘 문서 처리 도구를 제공합니다.

C. 처음부터 사용자 정의 워크플로를 만듭니다.

D. 워크플로에서 예외 처리가 필요 없게 됩니다.

A. 다양한 문서에서 분류 결과나 추출 결과를 검증하기 위해 인간의 개입을 허용합니다.

B. ML 패키지를 생성하고 RPA 워크플로 내에서 사용할 수 있도록 합니다.

C. Studio에서 RPA 워크플로 내에서 ML 모델과 그 사용을 배포, 관리, 개선할 수 있습니다.

D. Studio에서 RPA 워크플로 내에서 ML 모델을 생성하고 개선하고 사용할 수 있습니다.

A. 충분한 훈련 예제를 제공하지만 신뢰도가 낮은 이상치 레이블에 초점을 맞춰 균형 잡힌 모델을 만드는 데 도움이 되기 때문입니다.

B. 훈련 데이터에 무작위적 변화를 도입하여 라벨링 편향이 없는 균형 잡힌 모델을 만드는 데 도움이 되기 때문입니다.

C. 낮은 정밀도와 적은 수의 예제가 있는 레이블에 초점을 맞춰서 높은 정밀도 모델을 만들기 때문입니다.

D. 섞인 레이블과 일반 필드로 새 모델 버전을 생성하고 사용자가 모델 상태를 이해하기 위해 탐색할 수 있게 하기 때문입니다.

A. 적용 범위가 높을수록 모델의 재현율은 낮아지고, 이로 인해 자동화 가능한 프로세스의 처리량이 증가합니다.

B. 높은 적용 범위는 소프트웨어가 소모하는 컴퓨팅 리소스를 줄여 자동화를 구현하는 조직의 비용 절감으로 이어집니다.

C. 모델의 적용 범위가 넓다는 것은 수동 검토를 위해 전송되는 커뮤니케이션이 줄어들고 자동화 가능한 프로세스가 누락되는 일이 줄어든다는 것을 의미합니다.

D. 적용 범위가 넓으면 Streams를 통해 다운스트림으로 제공되는 데이터 양을 늘릴 수 있습니다.