menu
arrow_back

Dialogflow と BigQuery ML でヘルプデスク チャットボットを実装する

Dialogflow と BigQuery ML でヘルプデスク チャットボットを実装する

1時間 クレジット: 5

GSP431

Google Cloud セルフペース ラボ

概要

テクニカル サポートで問題が解決されるまでにかかる時間を正確に予測できたら便利だと思いませんか。このラボでは、BigQuery Machine Learning を使用して、ヘルプデスクのレスポンス時間を予測するシンプルな機械学習モデルをトレーニングします。その後、Dialogflow を使用してシンプルなチャットボットを構築し、そのヘルプデスク チャットボットにトレーニング済みの BigQuery ML モデルを統合します。最終的なソリューションでは、リクエストが行われた時点での推定レスポンス時間をユーザーに返します。

ここでは、一般的なクラウド開発プロセスの手順に沿って以下の順序で演習を進めます。

  1. BigQuery Machine Learning を使用してモデルをトレーニングする

  2. シンプルな Dialogflow アプリケーションをデプロイする

  3. Dialogflow 内のインライン コードエディタを使用して、BigQuery を統合する Node.js フルフィルメント スクリプトをデプロイする

  4. チャットボットをテストする

ラボの内容

  • BigQuery ML を使用して機械学習モデルをトレーニングする方法

  • BigQuery ML を使用して機械学習モデルを評価、改善する方法

  • Dialogflow エージェントにインテントとエンティティをインポートする方法

  • カスタム Node.js フルフィルメント スクリプトを実装する方法

  • BigQuery を Dialogflow に統合する方法

要件

  • Dialogflow の基本コンセプトと構成。ここをクリックすると、基本的な会話設計と Webhook を使ったフルフィルメントについて説明する Dialogflow の入門チュートリアルをご覧いただけます。

  • SQL と Node.js(またはその他のコーディング言語)に関する基礎知識。

ソリューションに関するフィードバック / ラボのヘルプ

Qwiklabs に参加してこのラボの残りの部分や他のラボを確認しましょう。

  • Google Cloud Console への一時的なアクセス権を取得します。
  • 初心者レベルから上級者レベルまで 200 を超えるラボが用意されています。
  • ご自分のペースで学習できるように詳細に分割されています。
参加してこのラボを開始
スコア

—/100

Create a BigQuery dataset

ステップを実行

/ 10

Create a new table in BigQuery dataset

ステップを実行

/ 10

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

ステップを実行

/ 20

Run the query to evaluate the ML model

ステップを実行

/ 20

Create a Dialogflow Agent

ステップを実行

/ 10

Import an IT Helpdesk Agent

ステップを実行

/ 20

Create a Fulfillment that Integrates with BigQuery

ステップを実行

/ 10