---
title: Machine Learning Lab
slug: help/neurons/pt_br/machine-learning-lab
createdAt: 2026-09-08T07:53:20.455Z
---

O Machine Learning Lab do Ivanti Neurons oferece um ambiente centralizado para criar, treinar e implantar modelos de aprendizado de máquina. Atualmente, esses modelos podem ser usados ​​para alimentar a classificação de tíquetes do Neurons for ITSM, mas outros aplicativos virão na sequência. Os modelos são criados a partir da Plataforma Ivanti Neurons e permanecem lá mesmo quando implantados.
Com o Machine Learning Lab, você não precisa mais de conhecimento profundo sobre modelos de aprendizado de máquina.

Você pode encontrar o Machine Learning Lab do Ivanti Neurons em **Software > Machine Learning Lab**.
Para implantar de forma bem-sucedida um modelo de aprendizado de máquina, será preciso preparar o seguinte:

- Dados de treinamento: conjunto de exemplos em que a combinação de entrada e saída é sabidamente correta.
- Palavras irrelevantes (opcional): lista de palavras que o modelo deve ignorar. Isso pode ser usado para melhorar o desempenho do modelo.
  Observe que um conjunto padrão de palavras irrelevantes da [NLTK](https://www.nltk.org/) é aplicado automaticamente.

Para mais informações sobre como preparar seu conjunto de dados e treinar um modelo de aprendizado de máquina, consulte [Começando a usar a Classificação de Tickets](docId\:WV9wnceAJ-PtHoBnOyJ7c).

:::hint{type="info"}
Atualmente, o Machine Learning Lab suporta apenas modelos de aprendizado e máquina para Classificação de Tickets do Neurons for ITSM e idioma inglês.
:::

A tabela **Modelos de Aprendizado de Máquina** apresenta uma lista dos modelos de aprendizado de máquina existentes e suas propriedades.
Clique em **Nome do Modelo** para obter informações mais detalhadas sobre o modelo.

Abaixo encontra-se uma lista de ações possíveis em relação aos modelos de aprendizado de máquina.
Para orientações passo a passo sobre como configurar a Classificação de Tickets, consulte [Começando a usar a Classificação de Tickets](docId\:WV9wnceAJ-PtHoBnOyJ7c).

:::ExpandableHeading
## Adicionar um modelo de aprendizado de máquina

Para adicionar um novo modelo, primeiro você deve exportar e preparar os dados de treinamento do sistema em que o modelo será implantado. Opcionalmente, você pode adicionar um arquivo com palavras irrelevantes para ajustar o modelo.
Para mais informações sobre como preparar os dados, consulte Começando a Usar a Classificação de Tickets, etapa [3. Limpeza dos dados de treinamento](docId\:WV9wnceAJ-PtHoBnOyJ7c).

1. Clique em **Adicionar modelo**.
   O painel **Adicionar Modelo** é aberto.
2. Especifique o **Nome** do modelo e selecione o **Tipo** e o **Idioma** desejados.
   Atualmente, os campos **Tipo** e **Idioma** têm apenas uma opção e não podem ser alterados.
3. **Selecione** um arquivo CSV contendo os **dados de treinamento**.
   O arquivo CSV não deve conter ponto final na coluna **Serviço**.
4. Opcionalmente, **selecione** um arquivo CSV contendo palavras **irrelevantes**.
5. **Salve** as alterações. Você também pode começar a treinar o modelo imediatamente, selecionando **Salvar e treinar**.
   O painel **Adicionar Modelo** se fecha.

Agora você pode clicar em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"} para selecionar a próxima etapa.
:::

:::ExpandableHeading
## Editar um modelo de aprendizado de máquina

Dependendo do status do modelo, pode ser que a opção Editar não esteja disponível.

1. Clique no nome de um modelo na tabela Modelos de Aprendizado de Máquina ou clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"} e selecione **Editar**.
   O painel de edição do modelo é aberto.
2. Na guia **Dados do modelo** do painel, você encontrará informações sobre a configuração do modelo. Você pode editar esses dados, se necessário.
3. **Salve** as alterações. Você também pode começar a treinar o modelo imediatamente, selecionando **Salvar e treinar**.
   O painel se fecha.
:::

::::ExpandableHeading
## Treinar um modelo de aprendizado de máquina

Dependendo do status do modelo, pode ser que a opção Treinar não esteja disponível.

1. Selecione **Salvar e treinar** no painel de edição do modelo ou, na exibição da lista de modelos, clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"} e selecione **Treinar**.
2. O Machine Learning Labs carrega os dados de treinamento e as palavras irrelevantes fornecidas e inicia o treinamento.

Após um modelo ser treinado, você pode verificar a precisão dele na guia **Detalhes** (clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"} e selecione **Exibir**).
A precisão é expressa por meio de dois números:

- **Precisão de treinamento**: porcentagem de classificações corretas obtidas durante o treinamento.
- **Precisão de teste**: porcentagem de inferências corretas nas amostras dos dados de treinamento que não foram usadas no treinamento.



Essas porcentagens podem ajudar você a decidir qual é o melhor modelo para o seu ambiente.
Você pode ter vários modelos treinados em seu Machine Learning Lab.

Se o Machine Learning Lab detectar algum problema ao tentar treinar o modelo, o status mudará para **Falha no treinamento**. Se isso ocorrer, clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"}, selecione **Exibir** e acesse a guia **Detalhes** do modelo para obter mais informações.

:::hint{type="info"}
Quando uma nova classe é adicionada ou uma classe existente é descontinuada no seu ambiente Neurons for ITSM, você deve treinar um novo modelo com um conjunto atualizado de dados de treinamento. Consulte também [Quando treinar um novo modelo](docId\:WV9wnceAJ-PtHoBnOyJ7c).
:::
::::

::::ExpandableHeading
## Implantar um modelo de aprendizado de máquina

Implantar o modelo significa fazer com que os dados dos novos incidentes criados comecem a ser processados por ele.
O modelo em si permanece no Machine Learning Lab.
Para implantar um modelo no seu ambiente Neurons for ITSM, clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"} e selecione **Implantar**. Somente modelos com o status **Treinado** podem ser implantados.

Se outro modelo já estiver implantado quando você for implantar um modelo, o status do modelo anterior será definido de volta para **Treinado**. O novo modelo será então implantado. Durante esse processo, os novos incidentes criados não são classificados.
Após o término da implantação, a classificação (re)começará para os incidentes criados desse momento em diante.

Após a implantação de um modelo, a guia **Detalhes** dele apresentará as seguintes informações (clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"} selecione **Exibir**):

- **Número de chamadas de API**: quantas vezes o modelo foi chamado para prever a classe de um incidente desde a sua implantação.
- **Probabilidade média das classes principais**: quando o modelo é chamado para prever a classe de um incidente, a classe com a maior probabilidade de acordo com o modelo é proposta ao Neurons for ITSM.
  Este valor mostra a probabilidade média das principais classes de incidentes propostas desde que o modelo foi implantado.



Atualmente, a única maneira de "desimplantar" um modelo é excluí-lo.

Se o Machine Learning Lab detectar algum problema ao tentar implantar o modelo, o status mudará para **Falha na implantação**. Se isso ocorrer, clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"}, selecione **Exibir** e acesse a guia **Detalhes** do modelo para obter mais informações.

:::hint{type="info"}
Quando uma nova classe é adicionada ou uma classe existente é descontinuada no seu ambiente Neurons for ITSM, você deve treinar um novo modelo com um conjunto atualizado de dados de treinamento. Consulte também [Quando treinar um novo modelo](docId\:WV9wnceAJ-PtHoBnOyJ7c).
:::
::::

:::ExpandableHeading
## Excluir um modelo de aprendizado de máquina

Na exibição da lista de modelos, clique em :inlineImage[]{src="https://api.archbee.com/api/optimize/9rfvxhrv8FA-8bxcK2IRv/LRqa8ij1GsUhe-IcJ7Nk__real-time-icon-dots.png" alt="reticências verticais" caption size="10" width="11" height="19"} na linha do modelo que deseja excluir e selecione **Excluir**.
Se o modelo estava implantado, os novos incidentes criados não serão mais classificados.
:::
