Asystent FAQ w praktyce: pełny przepływ

Zarządzanie rosnącą społecznością techniczną oznacza odpowiadanie na setki powtarzających się pytań w różnych kanałach każdego dnia. W tej sesji omówimy praktyczną architekturę za asystentem FAQ AI DataTalks.Club, pipeline'em produkcyjnym stworzonym w celu automatyzacji wsparcia społeczności i dostarczania dokładnych odpowiedzi bezpośrednio tam, gdzie studenci zadają pytania. Przejdziemy przez cały cykl życia systemu, począwszy od surowych źródeł wiedzy społecznościowej, po real-time, wdrożonego asystenta Slack. Zobaczysz dokładne kroki inżynierii danych używane do zbierania niestrukturalnych danych od społeczności i przekształcania ich w indeks wektorowy, a następnie na żywo zademonstrujemy działanie bota w Slacku. Omówimy * ​Przyjmowanie pytań od studentów i wkład w zestaw danych FAQ * ​Wydobycie danych z wielu źródeł w wątkach Slacka i transkrypcjach YouTube * ​Indeksowanie bazy danych wektorowych i przepływy odzyskiwania danych * ​Architektura systemu RAG i generowanie odpowiedzi przez LLM * ​Integracja API Slacka i automatyzacja wdrożenia bota * ​Pełna demonstracja na żywo wewnątrz aktywnej społeczności Slacka ​ Na koniec tej sesji zrozumiesz, jak zbudować i wdrożyć pipeline RAG gotowy do produkcji, który przekształca niestrukturalne wątki Slacka i transkrypcje YouTube w responsywnego, automatycznego asystenta Slack. ​Dokumentowaliśmy również pełne ustawienia techniczne i krok po kroku wdrożenie w tym artykule. ​ ## ​O mówcy ​Alexey Grigorev jest założycielem DataTalks.Club i twórcą serii Zoomcamp. ​Alexey jest inżynierem oprogramowania i inżynierem ML z ponad 10-letnim doświadczeniem w inżynierii i ponad 6-letnim doświadczeniem w uczeniu maszynowym. Zrealizował systemy ML w dużej skali w firmach takich jak OLX Group i Simplaex, jest autorem kilku książek technicznych, w tym Machine Learning Bookcamp, i jest Mistrzem Kaggle z pierwszym miejscem w wyzwaniu NIPS'17 Criteo. Dołącz do naszego Slacka: https://datatalks.club/slack.html ​