دانلود کتاب Building an Enterprise Chatbot: Work with Protected Enterprise Data Using Open Source Frameworks (به فارسی: ساخت یک چت بات سازمانی: کار با داده های سازمانی محافظت شده با استفاده از چارچوب های منبع باز) نوشته شده توسط «Abhishek Singh – Karthik Ramasubramanian – Shrey Shivam»
اطلاعات کتاب ساخت یک چت بات سازمانی: کار با داده های سازمانی محافظت شده با استفاده از چارچوب های منبع باز
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Apress
نویسنده: Abhishek Singh – Karthik Ramasubramanian – Shrey Shivam
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2019
تعداد صفحه: 399
حجم فایل: 6.47 مگابایت
کد کتاب: 1484250346 , 9781484250341
نوبت چاپ: 1st ed.
توضیحات کتاب ساخت یک چت بات سازمانی: کار با داده های سازمانی محافظت شده با استفاده از چارچوب های منبع باز
پذیرش ربات‌های چت در تجارت را با تمرکز بر طراحی، استقرار و بهبود مستمر ربات‌های گفتگو در یک کسب‌وکار، با استفاده از یک مورد از بخش بانکداری و بیمه، کاوش کنید. این کتاب با شناسایی فرآیندهای تجاری در صنعت بانکداری و بیمه آغاز می شود. این شامل جمع آوری داده ها از منابعی مانند مکالمات از مراکز خدمات مشتری، چت های آنلاین، ایمیل ها و سایر منابع NLP است. سپس معماری راه حل ربات چت را طراحی خواهید کرد. هنگامی که معماری قاب شد، نویسنده به توضیح درک زبان طبیعی (NLU)، پردازش زبان طبیعی (NLP) و تولید زبان طبیعی (NLG) با مثال‌هایی می‌پردازد.
در بخش‌های بعدی، چارچوب پشتیبان یک ربات چت معمولی را از ابتدا طراحی و پیاده‌سازی خواهید کرد. همچنین برخی از چارچوب‌های چت بات منبع باز مانند Dialogflow و LUIS را بررسی خواهید کرد. سپس نویسندگان توضیح می‌دهند که چگونه می‌توانید سرویس‌های شخص ثالث مختلف و پایگاه‌های داده سازمانی را با چارچوب chatbot سفارشی ادغام کنید. در بخش آخر، نحوه استقرار چارچوب چت بات سفارشی در ابر AWS را مورد بحث قرار خواهید داد.
در پایان ساخت یک چت ربات سازمانی، می‌توانید طراحی کنید. و یک ربات گفتگوی مکالمه آماده با استفاده از یک پلتفرم توسعه منبع باز برای خدمت به کاربر نهایی ایجاد کنید.
آنچه خواهید آموخت
- فرایندهای تجاری را شناسایی کنید که در آن ربات های چت می توانند استفاده شوند
- به جای ساختن یک ربات گفتگوی عمومی و فراگیر، بر ساخت یک ربات چت برای یک صنعت و یک مورد استفاده تمرکز کنید
- معماری راه حل را برای یک ربات چت طراحی کنید
- چت بات ها را با منابع داده داخلی با استفاده از API ها
- تفاوت های بین درک زبان طبیعی (NLU)، پردازش زبان طبیعی (NLP) و تولید زبان طبیعی (NLG) را کشف کنید
- کار با استقرار و بهبود مستمر از طریق یادگیری بازنمایی
این کتاب برای چه کسی استدانشمندان داده و معماران سازمانی که در حال حاضر به دنبال g برای استقرار راه حل های ربات چت برای کسب و کار خود.
Explore the adoption of chatbots in business by focusing on the design, deployment, and continuous improvement of chatbots in a business, with a single use-case from the banking and insurance sector. This book starts by identifying the business processes in the banking and insurance industry. This involves data collection from sources such as conversations from customer service centers, online chats, emails, and other NLP sources. You’ll then design the solution architecture of the chatbot. Once the architecture is framed, the author goes on to explain natural language understanding (NLU), natural language processing (NLP), and natural language generation (NLG) with examples.
In the next sections, you’ll design and implement the backend framework of a typical chatbot from scratch. You will also explore some popular open-source chatbot frameworks such as Dialogflow and LUIS. The authors then explain how you can integrate various third-party services and enterprise databases with the custom chatbot framework. In the final section, you’ll discuss how to deploy the custom chatbot framework on the AWS cloud.
By the end of Building an Enterprise Chatbot, you will be able to design and develop an enterprise-ready conversational chatbot using an open source development platform to serve the end user.
What You Will Learn
- Identify business processes where chatbots could be used
- Focus on building a chatbot for one industry and one use-case rather than building a ubiquitous and generic chatbot
- Design the solution architecture for a chatbot
- Integrate chatbots with internal data sources using APIs
- Discover the differences between natural language understanding (NLU), natural language processing (NLP), and natural language generation (NLG)
- Work with deployment and continuous improvement through representational learning
Who This Book Is ForData scientists and enterprise architects who are currently looking to deploy chatbot solutions to their business.
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.