ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Conversational AI with Rasa: Build, test, and deploy AI-powered, enterprise-grade virtual assistants and chatbots

دانلود کتاب هوش مصنوعی مکالمه ای با Rasa: ساخت، آزمایش و استقرار دستیاران مجازی و چت بات های مبتنی بر هوش مصنوعی، درجه سازمانی

Conversational AI with Rasa: Build, test, and deploy AI-powered, enterprise-grade virtual assistants and chatbots

مشخصات کتاب

Conversational AI with Rasa: Build, test, and deploy AI-powered, enterprise-grade virtual assistants and chatbots

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1801077053, 9781801077057 
ناشر: Packt Publishing 
سال نشر: 2021 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Conversational AI with Rasa: Build, test, and deploy AI-powered, enterprise-grade virtual assistants and chatbots به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب هوش مصنوعی مکالمه ای با Rasa: ساخت، آزمایش و استقرار دستیاران مجازی و چت بات های مبتنی بر هوش مصنوعی، درجه سازمانی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب هوش مصنوعی مکالمه ای با Rasa: ساخت، آزمایش و استقرار دستیاران مجازی و چت بات های مبتنی بر هوش مصنوعی، درجه سازمانی



دستیاران سطح بعدی هوش مصنوعی ایجاد کنید و نحوه ارتباط مشتریان با کسب و کارها را با قدرت درک زبان طبیعی و مدیریت گفتگو با استفاده از Rasa تغییر دهید

ویژگی های کلیدی

  • معماری را بشناسید و اصول زیربنایی چارچوب Rasa را تمرین کنید
  • بیاموزید که چگونه به سرعت انواع مختلف چت ربات مانند چت ربات های وظیفه گرا، سوالات متداول و مبتنی بر نمودار دانش بسازید.
  • کاوش بهترین روش‌ها برای کار با Rasa و جنبه‌های اشکال‌زدایی و بهینه‌سازی آن

توضیحات کتاب

چارچوب Rasa به توسعه‌دهندگان امکان می‌دهد تا قدرت صنعتی ایجاد کنند. ربات‌های چت با استفاده از پیشرفته‌ترین پردازش زبان طبیعی (NLP) و فناوری‌های یادگیری ماشینی به سرعت، همه در منبع باز.

هوش مصنوعی مکالمه‌ای با Rasa با نشان دادن چگونگی دو مؤلفه اصلی در قلب شروع می‌شود. کار Rasa – Rasa NLU (درک زبان طبیعی) و Rasa Core. سپس با استفاده از اکوسیستم Rasa، نحوه ساخت، پیکربندی، آموزش و ارائه انواع مختلف چت بات ها را از ابتدا یاد خواهید گرفت. همانطور که پیشروی می کنید، از مدیریت گفتگوی مبتنی بر فرم استفاده می کنید، با انتخابگر پاسخ برای گفتگوهای چیت چت و پرسش های متداول کار می کنید، از اقدامات پایگاه دانش برای پاسخ دادن به سؤالات پرس و جوهای پویا و موارد دیگر استفاده می کنید. علاوه بر این، می‌دانید که چگونه چارچوب Rasa را سفارشی کنید، از الگوها و ابزارهای توسعه مبتنی بر مکالمه برای توسعه ربات‌های گفتگو استفاده کنید، آنچه را که ربات شما می‌تواند انجام دهد را بررسی کنید، و با استفاده از یادگیری تعاملی، به راحتی هر اشتباهی را که مرتکب می‌شود برطرف کنید. در نهایت، با استقرار سیستم راسا در یک محیط تولیدی با عملکرد بالا و مقیاس پذیری بالا آشنا خواهید شد و بهترین روش ها برای ایجاد یک سیستم چت کارآمد و قوی را پوشش خواهید داد.

تا پایان این کتاب، شما می‌توانید با استفاده از Rasa چت‌بات‌های خود را بسازید و به کار ببرید، و به نقاط درد رایجی که در چرخه زندگی ربات چت با آن مواجه می‌شوید رسیدگی کنید.

آنچه یاد خواهید گرفت

  • از انتخابگر پاسخ برای رسیدگی به گفتگوها و پرسش‌های متداول
  • ایجاد کنش‌های سفارشی با استفاده از Rasa SDK
  • Train Rasa برای رسیدگی به شناسایی موجودیت‌های نام‌گذاری شده پیچیده
  • در ساخت اجزای سفارشی در چارچوب Rasa
  • تأیید و آزمایش دیالوگ های پایان به انتها در Rasa
  • توسعه و اصلاح یک سیستم چت بات با استفاده از پردازش استقرار مبتنی بر گفتگو
  • از TensorBoard برای تنظیم استفاده کنید برای یافتن بهترین گزینه‌های پیکربندی
  • اشکال‌زدایی و بهینه‌سازی سیستم‌های گفتگو بر اساس Rasa

این کتاب برای چه کسی است

این کتاب برای پروفسور NLP است متخصصین و همچنین تمرین‌کنندگان یادگیری ماشین و یادگیری عمیق که دانش پردازش زبان طبیعی دارند و می‌خواهند چت‌بات‌هایی با Rasa بسازند. هرکسی که در سطح مبتدی دانش NLP و یادگیری عمیق داشته باشد، می‌تواند بیشترین بهره را از این کتاب داشته باشد.

فهرست محتوا

  1. مقدمه‌ای بر Chatbots و چارچوب Rasa
  2. درک زبان طبیعی در Rasa
  3. Rasa Core
  4. Handling Business Logic
  5. کار با انتخابگر پاسخ برای رسیدگی به چت و سوالات متداول
  6. اقدامات پایه دانش برای رسیدگی به پاسخگویی به سؤال
  7. نقش ها و گروه های نهاد برای شناسایی موجودیت با نام پیچیده
  8. سفارشی سازی Rasa
  9. تست و استقرار تولید
  10. li>
  11. توسعه مکالمه محور و یادگیری تعاملی
  12. اشکال‌زدایی، بهینه‌سازی، و اکوسیستم جامعه

توضیحاتی درمورد کتاب به خارجی

Create next-level AI assistants and transform how customers communicate with businesses with the power of natural language understanding and dialogue management using Rasa

Key Features

  • Understand the architecture and put the underlying principles of the Rasa framework to practice
  • Learn how to quickly build different types of chatbots such as task-oriented, FAQ-like, and knowledge graph-based chatbots
  • Explore best practices for working with Rasa and its debugging and optimizing aspects

Book Description

The Rasa framework enables developers to create industrial-strength chatbots using state-of-the-art natural language processing (NLP) and machine learning technologies quickly, all in open source.

Conversational AI with Rasa starts by showing you how the two main components at the heart of Rasa work – Rasa NLU (natural language understanding) and Rasa Core. You'll then learn how to build, configure, train, and serve different types of chatbots from scratch by using the Rasa ecosystem. As you advance, you'll use form-based dialogue management, work with the response selector for chitchat and FAQ-like dialogs, make use of knowledge base actions to answer questions for dynamic queries, and much more. Furthermore, you'll understand how to customize the Rasa framework, use conversation-driven development patterns and tools to develop chatbots, explore what your bot can do, and easily fix any mistakes it makes by using interactive learning. Finally, you'll get to grips with deploying the Rasa system to a production environment with high performance and high scalability and cover best practices for building an efficient and robust chat system.

By the end of this book, you'll be able to build and deploy your own chatbots using Rasa, addressing the common pain points encountered in the chatbot life cycle.

What you will learn

  • Use the response selector to handle chitchat and FAQs
  • Create custom actions using the Rasa SDK
  • Train Rasa to handle complex named entity recognition
  • Become skilled at building custom components in the Rasa framework
  • Validate and test dialogs end to end in Rasa
  • Develop and refine a chatbot system by using conversation-driven deployment processing
  • Use TensorBoard for tuning to find the best configuration options
  • Debug and optimize dialogue systems based on Rasa

Who this book is for

This book is for NLP professionals as well as machine learning and deep learning practitioners who have knowledge of natural language processing and want to build chatbots with Rasa. Anyone with beginner-level knowledge of NLP and deep learning will be able to get the most out of the book.

Table of Contents

  1. Introduction to Chatbots and the Rasa Framework
  2. Natural Language Understanding in Rasa
  3. Rasa Core
  4. Handling Business Logic
  5. Working with Response Selector to Handle chitchat and FAQs
  6. Knowledge Base Actions to Handle Question Answering
  7. Entity Roles and Groups for Complex Named Entity Recognition
  8. Customization of Rasa
  9. Testing and Production Deployment
  10. Conversation-Driven Development and Interactive Learning
  11. Debugging, Optimization, and the Community Ecosystem




نظرات کاربران