Dans notre quotidien, les chatbots, ou agents conversationnels, sont présents sous des formes différentes pour répondre à des besoins variés. Nous les utilisons même sans parfois nous en rendre compte !

Mais comment fonctionnent-ils ? L’objectif de cette vidéo est de vous présenter les concepts fondamentaux d’un chatbot ainsi qu’une technique de développement en JavaScript pour que vous soyez en mesure de créer votre premier agent conversationnel.

Ainsi, après une présentation de l’historique des chatbots, vous en découvrirez le fonctionnement d’un point de vue technique et métier. Vous développerez alors votre premier agent conversationnel avec des technologies simples et scalables telles que BotUI pour permettre une construction rapide de l’agent.

Puis vous utiliserez Dialogflow pour ajouter de l’« intelligence » à votre chatbot. Pour finir, vous verrez comment le déployer pour une utilisation immédiate et étudierez les améliorations possibles pour aller plus loin.

Ce livre sur la Data Science a pour objectif de donner au lecteur les connaissances théoriques et pratiques nécessaires pour appréhender le Machine Learning sous Microsoft Azure. Les étudiants ou les lecteurs novices découvriront pas à pas et à travers des exemples pratiques les concepts algorithmiques du Machine Learning et la solution Cortana Intelligence Suite. Les lecteurs avertis ou les Data Scientists découvriront l’environnement de développement et de déploiement des modèles prédictifs Microsoft Azure Machine Learning Studio.

Dans le premier chapitre, l’auteur donne les clés pour comprendre les enjeux de la Data Science, les notions fondamentales du Machine Learning, la démarche théorique d’une expérimentation Data Science, les notions de modélisation d’un problème et le choix des métriques pour mesurer les performances d’un modèle.

Le deuxième chapitre est entièrement dédié à la présentation de la solution Cortana Intelligence Suite. Le lecteur est ainsi invité à développer et à configurer les composants les plus couramment utilisés de cette solution.

Cette vidéo de formation a pour objectif de replacer le Machine Learning dans le contexte de l’Intelligence Artificielle et de mieux cerner les cas dans lesquels l’utilisation d’algorithmes de Machine Learning est adaptée.

Dans un premier temps, nous listerons donc les raisons principales d’utiliser le Machine Learning puis nous présenterons les différents types d’algorithmes (symboliste, évolutionniste, analogiste, connexionniste, bayésien).

Nous évoquerons ensuite les principaux types de tâches de Machine Learning en les illustrant par deux algorithmes très simples. Puis, nous étudierons les problématiques soulevées par la mise au point et le choix d’un algorithme d’apprentissage pour une tâche donnée (compromis biais/variance, échantillon de validation et de test).