menu
arrow_back

Cómo implementar un chatbot del equipo de asistencia con Dialogflow y BigQuery ML

Cómo implementar un chatbot del equipo de asistencia con Dialogflow y BigQuery ML

1 hora 5 créditos

GSP431

Labs de autoaprendizaje de Google Cloud

Descripción general

¿No sería genial tener una estimación precisa sobre cuánto tardará la asistencia técnica en resolver su problema? En este lab, entrenará un modelo simple de aprendizaje automático para predecir el tiempo de respuesta del equipo de asistencia por medio de BigQuery Machine Learning. Luego, compilará un chatbot simple con Dialogflow y aprenderá a integrar su modelo entrenado de BigQuery ML con su chatbot del equipo de asistencia. La solución final proporcionará una estimación del tiempo de respuesta para los usuarios en el momento en que se genera una solicitud.

Los ejercicios están ordenados para reflejar una experiencia común de desarrollador de la nube:

  1. Entrenar un modelo con BigQuery Machine Learning

  2. Implementar una aplicación simple de Dialogflow

  3. Usar un editor de código intercalado en Dialogflow para implementar una secuencia de comandos de entrega de Node.js que integre BigQuery

  4. Probar su chatbot

Qué aprenderá

  • Cómo entrenar un modelo de aprendizaje automático con BigQuery ML

  • Cómo evaluar y mejorar un modelo de aprendizaje automático con BigQuery ML

  • Cómo importar intents y entidades a un agente de Dialogflow

  • Cómo implementar secuencias de comandos de entregas de Node.js

  • Cómo integrar BigQuery con Dialogflow

Requisitos previos

  • Conceptos básicos y constructos de Dialogflow (si desea ver un instructivo introductorio de Dialogflow que abarca el diseño de conversación básico y la entrega por medio de un webhook, haga clic aquí)

  • Conocimiento básico de SQL y Node.js (o de cualquier otro lenguaje de codificación)

Ayuda del lab o comentarios de la solución

Únase a Qwiklabs para leer este lab completo… y mucho más.

  • Obtenga acceso temporal a Google Cloud Console.
  • Más de 200 labs para principiantes y niveles avanzados.
  • El contenido se presenta de a poco para que pueda aprender a su propio ritmo.
Únase para comenzar este lab
Puntuación

—/100

Create a BigQuery dataset

Ejecutar paso

/ 10

Create a new table in BigQuery dataset

Ejecutar paso

/ 10

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

Ejecutar paso

/ 20

Run the query to evaluate the ML model

Ejecutar paso

/ 20

Create a Dialogflow Agent

Ejecutar paso

/ 10

Import an IT Helpdesk Agent

Ejecutar paso

/ 20

Create a Fulfillment that Integrates with BigQuery

Ejecutar paso

/ 10