sxfiene / finance_gpt

Ce projet est un chatbot avec une interface conversationnelle focalisé sur la Finance. Il a été créé à partir de GPT2 et du dataset "financial_phrasebank"

Finance_GPT : Chatbot Conversationnel Intelligent avec GPT-2

Ce projet à été réalisé dans le cadre de la SAE(Situation d'Apprentissage et Evaluation) du S5 en BUT Informatique en apprentisage.

Il est le fruit de la collaboration de 6 étudiants :

• Sofiene Hayek
• Dylan Lannuzel
• Maxime Caillaud
• Darius Buzura
• Lilia Mahrez
• Mazigh Mohamedi

Fichier des suivi des tâches

---

Contexte

Le chatbot est construit en utilisant les technologies suivantes :

• Keras NLP pour GPT-2
• Gradio pour le front-end
• Tensorflow/Keras
• Python Jupyter Notebook

---

Disponible en ligne

Le chatbot est disponible en ligne à l'adresse suivante : https://huggingface.co/spaces/DiDiR6/GPT2_Financial
Le modèle Keras associé est aussi disponible : https://huggingface.co/DiDiR6/GPT2Financial

---

Jeux de données

Nous utiliserons le jeu de données suivant pour entraîner notre chatbot :

• Finance dataset

---

Langages et outils utilisées:

Compétences Acquises

Ce projet de développement d'un chatbot conversationnel intelligent avec GPT-2 a été une opportunité précieuse pour développer et appliquer diverses compétences techniques et pratiques :

• Utilisation de Keras NLP pour GPT-2 : J'ai acquis une expérience pratique dans l'utilisation de Keras NLP pour entraîner et utiliser des modèles de langage comme GPT-2, en explorant ses fonctionnalités et en le mettant en œuvre dans un projet concret.

• Conception d'interfaces utilisateur avec Gradio : J'ai appris à concevoir des interfaces utilisateur conviviales pour les chatbots en utilisant Gradio, en permettant aux utilisateurs d'interagir facilement avec le modèle GPT-2 pour obtenir des réponses pertinentes.

• Utilisation de Tensorflow/Keras : En travaillant avec Tensorflow et Keras, j'ai amélioré ma compréhension des réseaux de neurones et des techniques d'apprentissage profond, en particulier dans le contexte du traitement du langage naturel (NLP).

• Programmation en Python avec Jupyter Notebook : J'ai consolidé mes compétences en programmation Python en utilisant Jupyter Notebook, en explorant et en expérimentant avec les données, les modèles et les résultats de manière interactive.

• Travail en équipe : Collaborer avec une équipe de six étudiants m'a permis de développer mes compétences en communication, en coordination des tâches et en résolution de problèmes, en travaillant ensemble vers un objectif commun.

• Gestion de projet : J'ai participé à toutes les phases du projet, de la planification à la mise en œuvre, en passant par l'évaluation et le déploiement, ce qui m'a permis de comprendre les principes et les pratiques de la gestion de projet dans un contexte de développement logiciel.

• Déploiement de modèles : J'ai appris à déployer des modèles de machine learning, notamment GPT-2, en ligne, en utilisant des plateformes telles que Hugging Face, pour permettre un accès facile et une utilisation pratique par les utilisateurs finaux.

finance_gpt's Issues

Create Gradio application

• Implement the library
• define a clear file structure
• develop the front and the back-end (data-processing)

Implement Fine-tuning & train the model

• Entrainer GPT2 avec le dataset
• Trouver les bons paramètres et couches du modèle pour notre dataset
• Entrainer le nouveau modèle
• Refaire autant d'itération jusqu’à obtenir un bon résultat