Deep Learning Virtual Assistent 🤖

Fale com o bot sobre bots;

ChatBot em desenvolvimento 🚧

Projeto

Projeto idealizado na disciplina de Tópicos Especiais de Engenharia de Software na UnB.
É um projeto que consiste na criação de um chatbot utilizando a framework RASA que visa auxiliar no aprendizado/ensino de Deep Learning bem como suas subareas.

Problemática

Conteúdo novo e extenso com referências não muito fáceis de encontrar e geralmente encontrados apenas em inglês

Proposta de Solução

O projeto DLVA(Deep Learning Virtual Assistant) visa criar um chatbot capaz de auxiliar o professor e os alunos da disciplina, por meio de respostas em português as dúvidas mais frequentes, disponibilizar informações sobre o plano de ensino e notas da disciplina.

Objetivos:

• Trazer definições dos conteúdos (com links)

• Dizer as datas de entregas dos trabalhos

• Mandar links dos slides das aulas

Vantagens:

• Respostas imediatas

• Informações atualizadas

• Respostas homologadas pelo professor

Arquitetura da Rede Neural

O modelo de solução utilizado neste projeto conta com o framework RASA que utiliza a arquitetura chamada Transformer Neural NetWork. Dentro dos principais arquivos de configuração do Rasa, encontra-se o TEDPolicy e DietClassifier que são essenciais para a configuração da inteligência do bot e assim gerar um modelo treinado com capacidade de responder o usuário. Para realizar o treinamento e fazer a configuração, utiliza-se no TEDPolicy 3 camadas de transformers, uma camada de normalização e outra de sigmoíde. Para o DietClassifier 2 camadas de transformers, uma camada de normalização e outra sigmoíde.

💻 Tecnologias usadas:

IDE: Visual Studio Code.
Linguagem de programação: Python.
Bibliotecas: Pandas, Keras, TensorFlow e Jupyter.
Frameworks: RASA
Plataforma: Anaconda

👦👦👦 Membros :

Nome	Matrícula
Gabriel Ferreira da Silva	20/0018060
Mateus de Siqueira Silva	20/0024787
Pedro Vitor Augusto de Jesus	20/0073249

💻 Como executar

1. Clone o repositório na sua máquina:

git clone https://github.com/deeplearningunb/

2. Instale o Anaconda:

https://www.anaconda.com/products/individual

2.1 Instale o Anaconda-Navigator (Opcional)

https://anaconda.org/anaconda/anaconda-navigator

3. Crie um ambiente conda:

conda create -n smartbot-demo python=3.8

4. Ative o ambiente conda:

source activate smartbot-demo

5. Instale o RASA no ambiente:

conda install rasa

6. Para rodar o projeto no terminal rode na pasta raiz:

rasa shell

RoadMap: