| # Algorithmic Learning and Optimized Quantum Artificial Solutions (ALOQAS) | |
| <p> | |
| <a href="https://huggingface.co/spaces/ALOQAS/aloqas-gradio">Démo. Gradio sur Hugging Face Spaces</a> | |
| </p> | |
| <p> | |
| <a href="https://github.com/LucasAguetai/ALOQAS">Lien vers le repository GitHub</a> | |
| </p> | |
| <p> | |
| <a href="https://drive.google.com/drive/folders/1MrW-UftHd0HVgLjJ_C5HmwBG3ymEY_qY?usp=drive_link">Lien vers les notebooks Google Colaboratory (sur demande)</a> | |
| </p> | |
| ## Projet : Création d'un Système de Chatbot Conversationnel basé sur GPT-2 | |
| Ce projet a pour objectif de développer un chatbot conversationnel intelligent en utilisant le modèle GPT-2 comme base. <br /> | |
| Le chatbot sera capable d'engager des conversations naturelles avec les utilisateurs, de répondre à leurs questions et de fournir des informations utiles. | |
| ## Membres du projet | |
| <ul> | |
| <li><b>A</b>urélien ZUFIC</li> | |
| <li><b>L</b>ucas AGUETAÏ</li> | |
| <li><b>O</b>ny ANDRIATSAHAVOJAONA</li> | |
| <li><b>Q</b>uentin VERMEERSCH</li> | |
| <li><b>A</b>lexandre HUYNH</li> | |
| <li><b>S</b>amuel DORISMOND</li> | |
| </ul> | |
| ## Jeux de données traité | |
| Dataset TensorFlow sur des articles scientifiques : <a href="https://www.tensorflow.org/datasets/catalog/scientific_papers">scientific_papers</a> | |
| ## Tâches du projet | |
| ### Compréhension de GPT-2 : | |
| Étudiez le fonctionnement de GPT-2 en utilisant l'API TensorFlow.<br /> | |
| Explorez comment GPT-2 génère du texte en réponse à des stimuli. | |
| ### Collecte de Données : | |
| Identifiez un domaine spécifique ou une application pour votre chatbot (par exemple, | |
| un chatbot de service client, un chatbot éducatif, etc.).<br /> | |
| Collectez ou préparez un ensemble de données de dialogue adapté à votre domaine | |
| d'application. | |
| ### Fine-tuning de GPT-2 : | |
| Fine-tunez le modèle GPT-2 en utilisant l'ensemble de données de dialogue.<br /> | |
| Optimisez le modèle pour la génération de réponses de chatbot cohérentes et | |
| pertinentes.<br /> | |
| Évaluez les performances du modèle fine-tuné en utilisant des mesures de qualité de | |
| dialogue. | |
| ### Intégration de Gradio : | |
| Utilisez la bibliothèque Gradio pour intégrer une interface utilisateur conviviale à | |
| votre chatbot.<br /> | |
| Personnalisez l'interface pour qu'elle corresponde à l'esthétique de votre application. | |
| ### Tests et Optimisation : | |
| Testez le chatbot avec des utilisateurs pour recueillir des commentaires et des | |
| données de performance.<br /> | |
| Effectuez des ajustements en fonction des commentaires des utilisateurs pour | |
| améliorer la qualité des réponses du chatbot. | |
| ### Documentation et Présentation : | |
| Rédigez une documentation complète expliquant comment utiliser le chatbot.<br /> | |
| Préparez une présentation pour montrer et expliquer votre chatbot à vos pairs et | |
| enseignants. | |
| ### Ressources : | |
| Vous pouvez utiliser l'API GPT-2 de TensorFlow pour le fine-tuning et la génération de | |
| réponses de chatbot.<br /> | |
| Flask est une bibliothèque Python populaire pour le développement de serveurs web.<br /> | |
| Gradio propose des ressources et des exemples pour développer des interfaces | |
| utilisateur interactives. | |