دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.]
نویسندگان: Andrew Freed
سری:
ISBN (شابک) : 1617298832, 9781617298837
ناشر: Manning Publications
سال نشر: 2021
تعداد صفحات: 320
[319]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 14 Mb
در صورت تبدیل فایل کتاب Conversational AI: Chatbots that work 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: چت ربات هایی که کار می کنند 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.
راهحلهای هوش مصنوعی انسانمانندی را طراحی، توسعه و استقرار دهید که با مشتریان شما چت میکند، مشکلات آنها را حل میکند و خدمات پشتیبانی شما را ساده میکند. در هوش مصنوعی محاوره ای، یاد خواهید گرفت که چگونه: • نوع و کانال دستیار هوش مصنوعی مناسب را برای نیازهای خود انتخاب کنید • گفتگو با لحن عمدی و خاص بنویسید • طبقه بندی کننده هوش مصنوعی خود را از پایه آموزش دهید • دستیاران هوش مصنوعی با پرسش و پاسخ مستقیم ایجاد کنید • طراحی و بهینه سازی یک جریان فرآیند برای وب و صدا • دقت دستیار خود را آزمایش کنید و برای بهبودها برنامه ریزی کنید هوش مصنوعی مکالمه ای: چت ربات هایی که کار می کنند به شما می آموزند که دستیارهایی با هوش مصنوعی ایجاد کنید که صنعت خدمات مشتری را متحول می کند. شما یاد خواهید گرفت که هوش مصنوعی مکالمه ای موثر بسازید که می تواند پرس و جوهای رایج را خودکار کند و به راحتی به رایج ترین مشکلات مشتریان شما رسیدگی کند. این کتاب جذاب و سرگرمکننده، مهارتهای فنی و خلاقانه ضروری را برای طراحی راهحلهای هوش مصنوعی موفق، از جریانهای فرآیند کدگذاری و آموزش یادگیری ماشین، تا بهبود گفتگوی نوشتاری شما، ارائه میدهد. در مورد تکنولوژی چت ربات های مبتنی بر هوش مصنوعی و سایر عوامل هوشمند ایجاد کنید که انسان ها واقعا از صحبت کردن با آنها لذت می برند! افزودن هوشمندی به سیستم های پاسخ خودکار باعث صرفه جویی در زمان و هزینه شما و مشتریانتان می شود. سیستمهای هوش مصنوعی محاورهای در وظایف معمولی مانند پاسخ دادن به سؤالات رایج، طبقهبندی مسائل و مسیریابی مشتریان به کارکنان انسانی مناسب برتری دارند. این کتاب به شما نشان می دهد که چگونه دستیارهای هوش مصنوعی موثر و آماده تولید بسازید. درباره کتاب هوش مصنوعی مکالمه راهنمایی برای ایجاد عوامل صوتی و متنی مبتنی بر هوش مصنوعی برای پشتیبانی مشتری و سایر کارهای مکالمه است. این کتاب کاربردی و سرگرم کننده تئوری طراحی را با تکنیک های ساخت و آموزش سیستم های هوش مصنوعی ترکیب می کند. در آن، شما یاد خواهید گرفت که چگونه داده های آموزشی را پیدا کنید، عملکرد را ارزیابی کنید، و گفتگوهایی را بنویسید که به نظر انسانی می رسد. شما از ساخت رباتهای چت ساده به طراحی دستیار صوتی برای یک مرکز تماس کامل خواهید رسید. داخلش چیه • هوش مصنوعی مناسب برای نیازهای خود را انتخاب کنید • طبقه بندی کننده هوش مصنوعی خود را آموزش دهید • دستیاران پرسش و پاسخ مستقیم ایجاد کنید • طراحی و بهینه سازی یک جریان فرآیند درباره خواننده برای توسعه دهندگان نرم افزار برای مثال از دستیار واتسون و پایتون استفاده می شود. درباره نویسنده اندرو آر. فرید مخترع ارشد و عضو ارشد فنی در IBM است. او از سال 2012 در راه حل های هوش مصنوعی کار کرده است.
Design, develop, and deploy human-like AI solutions that chat with your customers, solve their problems, and streamline your support services. In Conversational AI, you will learn how to: • Pick the right AI assistant type and channel for your needs • Write dialog with intentional tone and specificity • Train your AI’s classifier from the ground up • Create question-and-direct-response AI assistants • Design and optimize a process flow for web and voice • Test your assistant’s accuracy and plan out improvements Conversational AI: Chatbots that work teaches you to create the kind of AI-enabled assistants that are revolutionizing the customer service industry. You’ll learn to build effective conversational AI that can automate common inquiries and easily address your customers' most common problems. This engaging and entertaining book delivers the essential technical and creative skills for designing successful AI solutions, from coding process flows and training machine learning, to improving your written dialog. About the technology Create AI-driven chatbots and other intelligent agents that humans actually enjoy talking to! Adding intelligence to automated response systems saves time and money for you and your customers. Conversational AI systems excel at routine tasks such as answering common questions, classifying issues, and routing customers to the appropriate human staff. This book will show you how to build effective, production-ready AI assistants. About the book Conversational AI is a guide to creating AI-driven voice and text agents for customer support and other conversational tasks. This practical and entertaining book combines design theory with techniques for building and training AI systems. In it, you’ll learn how to find training data, assess performance, and write dialog that sounds human. You’ll go from building simple chatbots to designing the voice assistant for a complete call center. What's inside • Pick the right AI for your needs • Train your AI classifier • Create question-and-direct-response assistants • Design and optimize a process flow About the reader For software developers. Examples use Watson Assistant and Python. About the author Andrew R. Freed is a Master Inventor and Senior Technical Staff Member at IBM. He has worked in AI solutions since 2012.
Conversational AI brief contents contents preface acknowledgments about this book Who should read this book How this book is organized: A roadmap About the code liveBook discussion forum Other online resources about the author about the cover illustration Part 1: Foundations Chapter 1: Introduction to conversational AI 1.1 Introduction to AI assistants and their platforms 1.1.1 Types of AI assistants 1.1.2 A snapshot of AI assistant platforms 1.2 Primary use cases for AI assistant technology 1.2.1 Self-service assistant 1.2.2 Agent assist 1.2.3 Classification and routing 1.3 Follow along with this book 1.3.1 What you need to create your assistant 1.3.2 Useful spreadsheet software 1.3.3 Recommended programming language and code repository Chapter 2: Building your first conversational AI 2.1 Building a conversational AI for Fictitious Inc. 2.2 What’s the user’s intent? 2.2.1 What’s an utterance? 2.2.2 What’s a response? 2.2.3 How does the assistant understand what the user means? 2.2.4 Why machine learning? 2.2.5 What’s an intent? 2.2.6 What’s an entity? 2.2.7 Combining intents and entities 2.2.8 Adding intents to the Fictitious Inc. assistant 2.3 Responding to the user 2.3.1 Simple question-and-answer responses 2.3.2 Contextualizing a response by using entities 2.3.3 An alternative way to provide contextual responses 2.3.4 Responding with a process flow 2.4 Other useful responses 2.4.1 Detecting low confidence 2.4.2 Counting misunderstandings 2.4.3 Implementing confidence detection and the two-strikes rule 2.5 Try to build this conversational AI yourself Part 2: Designing for success Chapter 3: Designing effective processes 3.1 What processes will the assistant handle? 3.1.1 Designing for the most common user needs 3.1.2 Assembling a plan and a dream team 3.1.3 Managing the design process 3.1.4 Cross-cutting design aspects 3.2 Choosing the channel to implement first 3.2.1 How users receive information in voice and web 3.2.2 How the assistant receives information in voice and web Chapter 4: Designing effective dialogue 4.1 Writing dialogue 4.1.1 Take a conversational tone 4.1.2 Don’t repeat yourself (much) 4.1.3 Acknowledge the user 4.2 Asking questions 4.3 What if the assistant doesn’t understand? 4.3.1 Reprompting 4.3.2 Disambiguation 4.3.3 Escalation Chapter 5: Building a successful AI assistant 5.1 AI assistant use cases 5.2 Conversational AI success metrics 5.2.1 Containment 5.2.2 Time to resolution 5.2.3 Net promoter score 5.2.4 Coverage 5.2.5 Instrumenting your conversational AI 5.3 Command interpreter success metrics 5.3.1 Usage 5.3.2 Stickiness 5.3.3 Instrumenting your command interpreter 5.4 Event classifier success metrics 5.4.1 Time to resolution 5.4.2 Number of hand-offs 5.4.3 Other customer satisfaction metrics 5.4.4 Instrumenting your classifier Part 3: Training and testing Chapter 6: Training your assistant 6.1 Training an AI assistant 6.2 Finding training data 6.2.1 Production logs 6.2.2 A mock user interface 6.2.3 Subject-matter experts 6.2.4 Organizing training data into intents 6.3 Assessing whether you have the right training data 6.3.1 Training data variety 6.3.2 Training data volume 6.3.3 Training data veracity Chapter 7: How accurate is your assistant? 7.1 Testing an AI assistant for accuracy 7.1.1 Testing a single utterance 7.1.2 Testing multiple utterances 7.1.3 Selecting a test data set 7.2 Comparing testing methodologies 7.2.1 Blind testing 7.2.2 k-folds cross-validation test 7.3 Selecting the right accuracy metric for the job Chapter 8: Testing your dialogue flows 8.1 Functionally testing a dialogue flow 8.1.1 Manually testing a conversation flow 8.1.2 Automating a conversation flow test 8.1.3 Testing the dialogue flowchart 8.1.4 Testing the unexpected error paths 8.2 Nonfunctionally testing a dialogue flow 8.2.1 User experience testing 8.2.2 Load testing Part 4: Maintenance Chapter 9: Deployment and management 9.1 Where to store your code 9.1.1 Taking the Wild West approach 9.1.2 Using source control for code 9.2 Where to run your code 9.2.1 Development environment 9.2.2 Test environment 9.2.3 Production environment 9.2.4 After the first production deployment 9.3 Using source control for other assets Chapter 10: Improving your assistant 10.1 Using a success metric to determine where to start improvements 10.1.1 Improving the first flow to fix containment problems 10.1.2 Inspecting other process flows for containment problems 10.2 Analyzing the classifier to predict future containment problems 10.2.1 Representative baseline 10.2.2 Finding gaps in the training data 10.3 When and why to improve your assistant 10.3.1 You can’t fix everything at once 10.3.2 You can’t always predict how users will react 10.3.3 User needs will change 10.3.4 Not every problem is technical Part 5: Advanced/optional topics Chapter 11: Building your own classifier 11.1 Why build your own classifier? 11.1.1 Classification is a differentiator 11.1.2 Classification is a core competency 11.1.3 Traceability 11.1.4 To learn 11.1.5 Build or buy? 11.2 Build a simple classifier from first principles 11.2.1 The simplest text classifier 11.2.2 The mathematics behind a simple classifier 11.3 Expanding the simple classifier 11.3.1 Predicting more than one class 11.3.2 An all-in-one classifier 11.3.3 Comparing binary classifiers to all-in-one classifiers 11.4 Extending even further 11.4.1 What happens when you add more training data? 11.4.2 Exercise: Experiment on your own Chapter 12: Additional training for voice assistants 12.1 Collecting data to test a speech-to-text model 12.1.1 Call recordings as speech training data 12.1.2 Generating synthetic speech data 12.2 Testing the speech-to-text model 12.2.1 Word error rate 12.2.2 Intent error rate 12.2.3 Sentence error rate 12.3 Training a speech-to-text model 12.3.1 Custom training with a language model 12.3.2 Custom training with an acoustic model 12.3.3 Custom training with grammars appendix: Glossary of terms and abbreviations index A B C D E F G H I J K L M N O P Q R S T U V W