現在、機械可読な構造化データに非構造化データを変換するのに役立つ4つの使用準備ができたAIモデルが利用可能です。
Creatorは、独自のニーズを満たすためのカスタムAIモデルを構築する機能も提供しています。詳細はこちら
ビジネス用途:レビューからキーワードを解釈して、価格削減を求めている顧客がいくついるかをすばやく確認できます。
アプリケーションでキーワード抽出モデルを使用するには:
感情分析モデルは、入力文に対する態度を理解することを扱います。
ビジネスの使用ケース: 顧客のフィードバックが「このセッションは素晴らしい」と言った場合、このモデルはフィードバックの感情を「ポジティブ」と予測します。
しかし、前述のように、マシンは継続的に学習しており、結果は常に正確ではありません。 例えば、マシンは「セッションは良かった」を「中立」と予測し、「セッションは素晴らしかった」を「ポジティブ」と予測します。これから、マシンは極端な感情を持つ言葉を持つことを前提としていることがわかります。矛盾して、マシンは「セッションが良かった」を「ポジティブ」と予測します。これは、複数のセッションが良かったという文章がポジティブなノートであると推測できるためです。したがって、多くの要素がモデルの結果に影響を与えるため、個人の判断に基づいて解釈することができます。
アプリケーションで感情分析モデルを使用するには:
オブジェクト検出モデルは、入力画像内の要素を検出し、事前定義されたカテゴリに分類し、検出されたすべての要素のリストを返します。
ビジネス用途:注文管理アプリケーションでは、リンゴの画像をアップロードすると、在庫のアイテムの数を識別して数えることができます。
アプリケーションでオブジェクト検出モデルを使用するには:
アプリケーションでOCRモデルを使用するには:
「導入したばかりで基本操作や設定に不安がある」、「短期間で集中的に運用開始できる状態にしたい」、「運用を開始しているが再度学び直したい」 といった課題を抱えられているユーザーさまに向けた少人数制のオンライントレーニングです。
日々の営業活動を効率的に管理し、導入効果を高めるための方法を学びましょう。