Créer des chatbots et des applications de PNL

Aperçu

Ready to transform customer interactions through intelligent conversation? This Short Course was created to help data analysts and professionals accomplish the development of sophisticated chatbot applications with natural language processing capabilities.

By completing this course, you'll be able to implement retrieval-augmented generation systems, optimize conversational flows, extract meaningful insights from unstructured text, and make data-driven decisions about text representation methods. By the end of this course, you will be able to:

Build a chatbot prototype using RAG (retrieval-augmented generation) and measure user satisfaction through SUS survey Evaluate dialog-flow metrics (fallback rate, turn length) and iterate on intent-matching rules Apply named-entity recognition to extract key terms from support tickets and quantify precision/recall Evaluate two vectorization techniques (TF-IDF vs. embeddings) on a text-classification task This course is unique because it combines hands-on chatbot development with rigorous evaluation methodologies, ensuring your AI solutions deliver measurable business value.

To be successful in this project, you should have a background in Python programming and basic machine learning concepts.

Programme

• Module 1 : Développement de Chatbot RAG - Fondation
Construire un prototype de chatbot utilisant RAG (génération augmentée par récupération) et mesurer la satisfaction des utilisateurs à travers une enquête SUS.
• Module 2 : Optimisation du Flux de Dialogue - Application Principale
Évaluer les métriques de flux de dialogue (taux de recours, longueur des tours) et itérer sur les règles de correspondance d'intention.
• Module 3 : Reconnaissance d'Entités Nommées - Intégration
Appliquer la reconnaissance d'entités nommées pour extraire des termes clés des tickets de support et quantifier la précision/rappel.
• Module 4 : Évaluation de la Vectorisation de Texte - Évaluation
Évaluer deux techniques de vectorisation (TF-IDF vs. embeddings) sur une tâche de classification de texte.

---

Enseigné par

Hurix Digital

---

Matières

Artificial Intelligence