MLChatAgent

Działanie

Aplikacja została zaprojektowana tak, aby ułatwić użytkownikom interakcję ze złożonymi modelami systemów uczących się. Ułatwia zrozumienie i używanie modeli ML, ponieważ umożliwia użytkownikom zadawanie pytań w języku angielskim i otrzymywanie szczegółowych, zrozumiałych odpowiedzi.

Dzięki agentowi czatu Gemini aplikacja wykorzystuje kilka narzędzi do odpowiadania na pytania użytkowników:

- question_reformer: przeformułowuje pytania w celu zwiększenia ich zrozumiałości.
- generate_sql: generuje zapytania SQL.
- execute_sql: wykonuje zapytania i podsumowuje dane.
- subset_churn_contribution_analysis: wykonuje analizę udziału zjawiska odchodzenia klientów na podstawie podzbiorów.
- subset_clv_analysis: ocenia wpływ CLV na podstawie działań przeprowadzonych na wybranych podzbiorach.
- subset_shap_summary: dostarcza informacji o prognozach i dalszych działaniach.
- customer_recommendations: sugeruje sposoby zmniejszenia odchodzenia klientów.
- model_stat: udziela odpowiedzi na pytania związane z modelami.
- generate_visualizations: tworzy wizualne reprezentacje danych.

Wszystkie te narzędzia to osobne agenty korzystające z modeli Gemini.

Aplikacja działa w ten sposób:

- Interakcja z użytkownikiem: użytkownicy zadawać pytania w języku angielskim.
- Planowanie: agent identyfikuje niezbędne narzędzia i planuje ich wykonanie.
- Tłumaczenie: agent przekształca pytania w zwięzłe instrukcje.
- Interakcja z modelem: agent wykonuje plan za pomocą modeli ML.
- Odpowiedź dla użytkownika: agent interpretuje i przekazuje odpowiedzi w języku angielskim.

To środowisko umożliwia użytkownikom biznesowym pełne wykorzystanie modeli i danych ML bez konieczności posiadania zaawansowanych umiejętności technicznych.