Aller au contenu
Demander un devis
Intelligence artificielle (IA) 💰 CPF éligible

Développer un assistant conversationnel avec Rasa et LlamaIndex

Avancé
présentiel, distanciel

Objectifs pédagogiques

  • Concevoir un chatbot intelligent.
  • Gérer le traitement du langage naturel.
  • Intégrer et déployer le chatbot.
  • Optimiser la compréhension et les réponses.

Programme détaillé

Module 1 Comprendre les architectures d’assistants conversationnels
  • Comprendre les principes d’un assistant conversationnel.
  • Identifier les composants fonctionnels et techniques d’un chatbot intelligent.
  • Situer Rasa et LlamaIndex dans l’écosystème des solutions conversationnelles.
Module 2 Concevoir le périmètre fonctionnel et conversationnel
  • Définir le périmètre d’un chatbot.
  • Formaliser les intentions, entités et parcours conversationnels.
  • Préparer les éléments nécessaires à l’entraînement du modèle NLP.
Module 3 Mettre en œuvre le NLP avec Rasa
  • Créer les premiers fichiers d’entraînement Rasa.
  • Définir les intentions, entités et réponses.
  • Entraîner un premier modèle de compréhension du langage naturel.
Module 4 Construire les premiers dialogues avec Rasa
  • Construire un premier scénario conversationnel.
  • Relier compréhension utilisateur et réponses du chatbot.
  • Tester un dialogue simple de bout en bout.
Module 5 Gérer des dialogues avancés et des actions personnalisées
  • Concevoir des dialogues plus complexes.
  • Utiliser des actions personnalisées.
  • Connecter le chatbot à une logique métier ou applicative.
Module 6 Comprendre l’apport de LlamaIndex pour un assistant documentaire
  • Comprendre les principes d’un assistant augmenté par des documents.
  • Identifier le rôle de LlamaIndex dans l’indexation et la recherche d’information.
  • Définir les conditions d’usage d’une base documentaire.
Module 7 Indexer et interroger des documents avec LlamaIndex
  • Charger des documents dans LlamaIndex.
  • Construire un index documentaire.
  • Interroger les documents pour générer des réponses contextualisées.
Module 8 Intégrer Rasa et LlamaIndex dans un assistant conversationnel
  • Relier un scénario Rasa à une recherche documentaire.
  • Déclencher une action personnalisée interrogeant LlamaIndex.
  • Restituer une réponse contextualisée dans le chatbot.
Module 9 Optimiser la compréhension et les réponses
  • Améliorer la reconnaissance des intentions et entités.
  • Améliorer la qualité des réponses.
  • Mettre en place une démarche de test et d’itération.
Module 10 Évaluer un assistant conversationnel
  • Définir des critères d’évaluation adaptés à un chatbot.
  • Mesurer la qualité de compréhension et de réponse.
  • Identifier les indicateurs de suivi utiles.
Module 11 Préparer l’intégration et le déploiement du chatbot
  • Comprendre les étapes de déploiement d’un assistant conversationnel.
  • Identifier les contraintes d’intégration.
  • Préparer la mise en exploitation et le suivi.
Module 12 Cas pratique de synthèse
  • Mobiliser l’ensemble des acquis de la formation.
  • Concevoir un assistant conversationnel de bout en bout.
  • Présenter et justifier les choix réalisés.

Prérequis

  • Connaissances en Python et ML

Public visé

  • Développeurs AI
  • NLP engineers

Modalités de la formation

  • 📍 Format : présentiel, distanciel
  • 📊 Niveau d'entrée : Avancé
  • 👥 Effectif : 4 à 12 stagiaires (groupe restreint)
  • 🎯 Pédagogie : Apports théoriques, exercices pratiques, études de cas, projet fil rouge
  • ♿ Accessibilité : Formations accessibles aux personnes en situation de handicap. Contactez notre référent handicap.
🏆
Passage de la certification obligatoire

Cette formation se conclut par le passage d'une certification officielle, indispensable à la validation de votre parcours.

Allez plus loin

Formations similaires

Dans le même domaine et au niveau Avancé.

👀 Cross-sell

Les apprenants ont aussi consulté

D'autres formations populaires qui pourraient compléter votre parcours.