Machine learning Libre: modelando conversaciones con Rasa y Python

Descripción completa

Notas: Rasa es un framework (Libre) de Python que usa machine learning y sirve para construir asistentes virtuales conversacionales. En esta charla no vamos a mostrar modelos matemáticos, ni fórmulas. Busca ser una charla que construya intuiciones respecto al dominio del problema. Rasa puede ser usado sin ser data scientist, pero cuando el bot empieza a fallar, es necesario tener las intuiciones de lo que involucra una conversación asentadas para poder modelar correctamente un asistente virtual. La charla se divide en dos momentos. En un primer momento se problematiza y se hacen explícitos los desafíos del modelado del problema de la conversación humana y los desafíos técnicos que implicarían implementarlos. En un segundo momento se introduce a Rasa como solución y se explica cómo usando Python este framework implementó estos conceptos, la arquitectura de Rasa, cómo usa Rasa machine learning para este problema, y el ciclo de desarrollo de un asistente conversacional. Si bien lo vamos a mencionar durante la charla, concluiríamos reforzando una intuición que es común a cualquier proyecto de machine learning: los datos son clave. Temario tentativo (en orden): Introducción al desafío de la conversación humana. Entendiendo lo que nos dicen (reconocimiento de intenciones y de entidades). Entendiendo de qué se está hablando a lo largo de una conversación (slots). Manteniendo una conversación (policies) y modelando la memoria (tracker). Contexto, inferencia, datos. Algunas expectativas de los usuarios de asistentes virtuales y cómo responder ante esto (UX). Introducción a Rasa. Viendo estos conceptos implementados en python por Rasa! Módulos y arquitectura de Rasa. Ciclo de desarrollo de un asistente virtual. Usos y ejemplos. Consideraciones relevantes al machine learning ( Machine learning => datos, datos, datos)