Budowanie chatbota dla przedsiębiorstw: Praca z chronionymi danymi przedsiębiorstwa przy użyciu frameworków open source

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 3 głosach.

Oryginalny tytuł:

Building an Enterprise Chatbot: Work with Protected Enterprise Data Using Open Source Frameworks

Zawartość książki:

Poznaj proces wdrażania chatbotów w biznesie, koncentrując się na projektowaniu, wdrażaniu i ciągłym doskonaleniu chatbotów w firmie, z jednym przypadkiem użycia z sektora bankowego i ubezpieczeniowego. Książka ta rozpoczyna się od identyfikacji procesów biznesowych w branży bankowej i ubezpieczeniowej. Obejmuje to gromadzenie danych ze źródeł takich jak konwersacje z centrów obsługi klienta, czaty online, e-maile i inne źródła NLP. Następnie projektowana jest architektura rozwiązania chatbota. Po opracowaniu architektury, autor przechodzi do wyjaśnienia rozumienia języka naturalnego (NLU), przetwarzania języka naturalnego (NLP) i generowania języka naturalnego (NLG) na przykładach.

W następnych sekcjach zaprojektujesz i zaimplementujesz od podstaw strukturę backendu typowego chatbota. Zapoznasz się również z popularnymi frameworkami chatbotów typu open source, takimi jak Dialogflow i LUIS. Następnie autorzy wyjaśniają, w jaki sposób można zintegrować różne usługi innych firm i korporacyjne bazy danych z niestandardowym frameworkiem chatbota. W ostatniej sekcji omówiono sposób wdrożenia niestandardowego frameworka chatbota w chmurze AWS.

Pod koniec kursu Building an Enterprise Chatbot będziesz w stanie zaprojektować i opracować gotowego do użycia w przedsiębiorstwie chatbota konwersacyjnego, wykorzystując platformę programistyczną typu open source do obsługi użytkownika końcowego.

Czego się nauczysz

⬤ Zidentyfikować procesy biznesowe, w których można wykorzystać chatboty.

⬤ Skupiać się na budowaniu chatbota dla jednej branży i jednego przypadku użycia, zamiast budować wszechobecnego i ogólnego chatbota.

⬤ Zaprojektowanie architektury rozwiązania dla chatbota.

⬤ Integracja chatbotów z wewnętrznymi źródłami danych za pomocą interfejsów API.

⬤ Odkryć różnice między rozumieniem języka naturalnego (NLU), przetwarzaniem języka naturalnego (NLP) i generowaniem języka naturalnego (NLG).

⬤ Praca z wdrażaniem i ciągłym doskonaleniem poprzez uczenie się reprezentacyjne.

Dla kogo jest ta książkaNaukowcy zajmujący się danymi i architekci korporacyjni, którzy obecnie chcą wdrożyć rozwiązania chatbotowe w swojej firmie.