MLchatAgent

کاری که انجام می دهد

این برنامه برای کمک به کاربران در تعامل با مدل های پیچیده یادگیری ماشینی (ML) طراحی شده است. درک و کار با مدل های ML را با اجازه دادن به کاربران برای پرسیدن سوالات و دریافت پاسخ های دقیق و قابل فهم به زبان انگلیسی ساده می کند.

با استفاده از عامل چت Gemini، برنامه از چندین ابزار برای پاسخگویی به سوالات کاربر استفاده می کند:

- question_reformer: سوالات را برای وضوح دوباره فرموله می کند.
- generate_sql: پرس و جوهای SQL را ایجاد می کند
- execute_sql: کوئری ها را اجرا می کند و داده ها را خلاصه می کند.
- subset_churn_contribution_analysis: تجزیه و تحلیل مشارکت در زیر مجموعه ها را انجام می دهد.
- subset_clv_analysis: تاثیر CLV را بر اساس درمان های انجام شده بر روی زیر مجموعه های انتخاب شده ارزیابی می کند.
- subset_shap_summary: بینش هایی را در پشت پیش بینی ها و بهترین اقدامات بعدی ارائه می دهد.
- customer_recommendations: راه هایی را برای کاهش ریزش برای افراد پیشنهاد می کند.
- model_stat: به سوالات مربوط به مدل پاسخ می دهد.
- generate_visualizations: نمایش داده های بصری را ایجاد می کند.

همه این ابزارها عوامل فردی هستند که توسط مدل های Gemini طراحی شده اند

در اینجا نحوه عملکرد برنامه آمده است:

- تعامل با کاربر: کاربران سوالات را به زبان انگلیسی ساده می پرسند.
- برنامه ریزی: عامل ابزارهای لازم را شناسایی و اجرا را برنامه ریزی می کند.
- ترجمه: نماینده سؤالات را به دستورالعمل های مختصر تغییر می دهد.
- تعامل مدل: عامل با استفاده از مدل های ML طرح را اجرا می کند.
- پاسخ کاربر: نماینده پاسخ ها را به زبان انگلیسی ساده تفسیر و ارائه می کند.

این چارچوب عاملی به کاربران تجاری این امکان را می‌دهد تا از مدل‌ها و داده‌های ML به طور کامل بدون نیاز به مهارت‌های فنی بالا استفاده کنند.