MLChatAgent

การทำงาน

แอปนี้ออกแบบมาเพื่อช่วยให้ผู้ใช้ได้โต้ตอบกับโมเดลแมชชีนเลิร์นนิง (ML) ที่ซับซ้อนได้อย่างง่ายดาย ซึ่งช่วยให้เข้าใจและทํางานกับโมเดล ML ได้ง่ายขึ้นโดยอนุญาตให้ผู้ใช้ถามคําถามและรับคําตอบที่ละเอียดและเข้าใจง่ายเป็นภาษาอังกฤษ

แอปใช้เอเจนต์แชทของ Gemini ซึ่งใช้เครื่องมือหลายอย่างในการตอบคําถามของผู้ใช้ ดังนี้

- question_reformer: ปรับรูปแบบคําถามให้ชัดเจน
- generate_sql: สร้างการค้นหา SQL
- execute_sql: ดําเนินการค้นหาและสรุปข้อมูล
- subset_churn_contribution_analysis: ดําเนินการวิเคราะห์การมีส่วนร่วมในการเลิกใช้งานในชุดย่อย
- subset_clv_analysis: ประเมินผลกระทบ CLV ตามการรักษาที่ทำในชุดย่อยที่เลือก
- subset_shap_summary: ให้ข้อมูลเชิงลึกเกี่ยวกับสาเหตุของการคาดการณ์และการดำเนินการแนะนำถัดไป
- customer_recommendations: แนะนำวิธีลดการเลิกใช้งานสำหรับแต่ละบุคคล
- model_stat: ตอบคําถามเกี่ยวกับโมเดล
- generate_visualizations: สร้างการแสดงข้อมูลด้วยภาพ

เครื่องมือเหล่านี้ทั้งหมดคือเอเจนต์แต่ละตัวที่ทำงานด้วยโมเดล Gemini

วิธีการทำงานของแอปมีดังนี้

- การโต้ตอบของผู้ใช้: ผู้ใช้ถามคําถามเป็นภาษาอังกฤษแบบเข้าใจง่าย
- การวางแผน: เอเจนต์ระบุเครื่องมือที่จําเป็นและวางแผนการดําเนินการ
- การแปล: เอเจนต์ปรับรูปแบบคําถามเป็นคําแนะนําที่กระชับ
- การโต้ตอบกับโมเดล: เอเจนต์ดําเนินการตามแผนโดยใช้โมเดล ML
- การตอบกลับของผู้ใช้: เอเจนต์ตีความและแสดงคําตอบเป็นภาษาอังกฤษแบบเข้าใจง่าย

เฟรมเวิร์กเอเจนต์นี้ช่วยให้ผู้ใช้ทางธุรกิจใช้ประโยชน์จากโมเดลและข้อมูล ML ได้อย่างเต็มที่โดยไม่ต้องมีทักษะทางเทคนิคขั้นสูง