MLChatAgent

وظيفتها

تم تصميم التطبيق لمساعدة المستخدمين على التفاعل مع نماذج تعلُّم الآلة المعقّدة بسهولة. ويبسّط هذا الإطار فهم نماذج الذكاء الاصطناعي والعمل معها من خلال السماح للمستخدمين بطرح الأسئلة والحصول على إجابات مفصّلة ومفهومة باللغة الإنجليزية.

باستخدام موظّف دعم المحادثة في Gemini، يستخدم التطبيق عدة أدوات للردّ على أسئلة المستخدمين:

- question_reformer: لإعادة صياغة الأسئلة من أجل الوضوح
- generate_sql: لإنشاء طلبات بحث SQL
- execute_sql: لتنفيذ طلبات البحث وتلخيص البيانات
- subset_churn_contribution_analysis: لإجراء تحليل مساهمة إيقاف الاستخدام على المجموعات الفرعية
- subset_clv_analysis: لتقييم تأثير CLV استنادًا إلى المعالجات التي تم إجراؤها على المجموعات الفرعية التي تم اختيارها
- subset_shap_summary: لتقديم إحصاءات عن التوقّعات والإجراءات الأفضل التالية
- customer_recommendations: لاقتراح طرق للحدّ من إيقاف الاستخدام لدى الأفراد
- model_stat: للإجابة عن الأسئلة المتعلّقة بالنماذج
- generate_visualizations: لإنشاء تمثيلات مرئية للبيانات

جميع هذه الأدوات هي موظّفو دعم فرديون مستندون إلى نماذج Gemini

في ما يلي طريقة عمل التطبيق:

- تفاعل المستخدم: يطرح المستخدمون الأسئلة باللغة الإنجليزية البسيطة.
- التخطيط: يحدّد موظّف الدعم الأدوات اللازمة ويخطّط لتنفيذها.
- الترجمة: يعيد موظّف الدعم صياغة الأسئلة إلى تعليمات موجزة.
- التفاعل مع النموذج: ينفّذ موظّف الدعم الخطّة باستخدام نماذج الذكاء الاصطناعي.
- ردّ المستخدم: يفسّر موظّف الدعم الردود ويقدّمها باللغة الإنجليزية البسيطة.

يمنح هذا الإطار المرجعي لموظّفي الدعم المستخدمين في مجال الأعمال إمكانية الاستفادة إلى أقصى حد من نماذج الذكاء الاصطناعي والبيانات بدون الحاجة إلى مهارات فنية عالية.