menu
arrow_back

Créer un chatbot de centre d'assistance avec Dialogflow et BigQuery ML

Créer un chatbot de centre d'assistance avec Dialogflow et BigQuery ML

1 heure 5 crédits

GSP431

Google Cloud – Ateliers adaptés au rythme de chacun

Présentation

Ne serait-il pas génial d'avoir une estimation précise du temps qu'il faudra à l'assistance technique pour résoudre votre problème ? Dans cet atelier, vous allez entraîner un modèle de machine learning dans le but de prédire le temps de réponse du centre d'assistance avec BigQuery Machine Learning. Ensuite, vous allez créer un chatbot simple avec Dialogflow et apprendre à intégrer votre modèle BigQuery ML entraîné dans votre chatbot de centre d'assistance. Une fois terminée, la solution fournira une estimation du temps de réponse aux utilisateurs au moment où une demande est générée.

Les exercices sont organisés selon une approche suivie fréquemment par les développeurs cloud :

  1. Entraîner un modèle avec BigQuery Machine Learning

  2. Déployer une application Dialogflow simple

  3. Déployer un script fulfillment Node.js intégrant BigQuery avec un éditeur de code intégré dans Dialogflow

  4. Tester le chatbot

Points abordés

  • Entraînement d'un modèle de machine learning avec BigQuery ML

  • Évaluation et amélioration d'un modèle de machine learning avec BigQuery ML

  • Importations d'intents et d'entités dans un agent Dialogflow

  • Intégration de scripts fulfillment Node.js personnalisés

  • Intégration de BigQuery avec Dialogflow

Prérequis

  • Concepts et constructs de base de Dialogflow Cliquez ici pour suivre un tutoriel Dialogflow d'introduction qui vous aidera à concevoir une conversation de base et à déployer un fulfillment avec un webhook.

  • Connaissances de base sur SQL et Node.js (ou sur tout langage de codage)

Commentaires sur la solution/Aide de l'atelier

Inscrivez-vous sur Qwiklabs pour consulter le reste de cet atelier, et bien plus encore.

  • Obtenez un accès temporaire à Google Cloud Console.
  • Plus de 200 ateliers, du niveau débutant jusqu'au niveau expert.
  • Fractionné pour vous permettre d'apprendre à votre rythme.
Inscrivez-vous pour démarrer cet atelier
Note

—/100

Create a BigQuery dataset

Réaliser l'étape

/ 10

Create a new table in BigQuery dataset

Réaliser l'étape

/ 10

Build an ML model to predicts time taken to resolve an issue

Réaliser l'étape

/ 20

Run the query to evaluate the ML model

Réaliser l'étape

/ 20

Create a Dialogflow Agent

Réaliser l'étape

/ 10

Import an IT Helpdesk Agent

Réaliser l'étape

/ 20

Create a Fulfillment that Integrates with BigQuery

Réaliser l'étape

/ 10