MLChatAgent

Qué hace

La app está diseñada para ayudar a los usuarios a interactuar con modelos complejos de aprendizaje automático (AA) sin esfuerzo. Simplifica la comprensión y el trabajo con modelos de IA, ya que permite a los usuarios hacer preguntas y recibir respuestas detalladas y comprensibles en inglés.

Con el agente de chat de Gemini, la app emplea varias herramientas para responder las preguntas de los usuarios:

- question_reformer: reformula las preguntas para que sean más claras.
- generate_sql: genera consultas SQL
- execute_sql: ejecuta consultas y resume datos.
- subset_churn_contribution_analysis: realiza un análisis de contribución de deserción en subconjuntos
- subset_clv_analysis: evalúa el impacto del CLV en función de los tratamientos realizados en los subconjuntos seleccionados.
- subset_shap_summary: proporciona estadísticas sobre las predicciones y las mejores acciones posteriores.
- customer_recommendations: sugiere formas de reducir la deserción de los usuarios.
- model_stat: responde preguntas relacionadas con el modelo.
- generate_visualizations: crea representaciones visuales de datos.

Todas estas herramientas son agentes individuales potenciados por modelos de Gemini.

Este es el funcionamiento de la app:

- Interacción del usuario: los usuarios hacen preguntas en inglés sencillo.
- Planificación: el agente identifica las herramientas necesarias y planifica la ejecución.
- Traducción: el agente reformula las preguntas en instrucciones concisas.
- Interacción con el modelo: el agente ejecuta el plan con modelos de IA.
- Respuesta del usuario: el agente interpreta y entrega respuestas en inglés sencillo.

Este framework de agentes permite a los usuarios empresariales aprovechar al máximo los modelos y los datos de IA sin necesidad de habilidades altamente técnicas.