硅谷硬核Rasa课程、Rasa培训、Rasa面试系列之：Rasa 3.x部署安装初体验
作者：互联网
Rasa 3.x部署安装
进入Ananconda系统，新建rasa虚拟环境
conda create --name installingrasa python==3.8.8
激活rasa虚拟环境
conda activate installingrasa
安装ujson
安装tensforflow
conda install tensorflow
安装rasa
下载安装Microsoft visual Studio环境
RASA 初始化
运行rasa init 命令
用户与智能对话机器人进行会话：
智能对话机器人回复显示的图片
Rasa官网链接：Installation
https://rasa.com/docs/rasa/installation/
Gavin大咖课程信息分享：
NLP 高手之路101课（模型、算法、论文、源码、案例 + 1年答疑）
Rasa 3.x 源码高手之路：系统架构、内核算法、源码实现详解
Gavin大咖简介
星空智能对话机器人创始人、AI通用双线思考法作者，现工作于硅谷顶级的AI实验室。专精于Conversational AI. 在美国曾先后工作于硅谷最顶级的机器学习和人工智能实验室
Gavin大咖微信：NLP_Matrix_Space
联系电话：+1 650-603-1290
Rasa课程链接：荔枝微课https://m.lizhiweike.com/liveroom2/27182089
星空智能对话机器人，是全球设计Rasa课程最全面完整、最体系化、涵盖应用行业和课程内容最多的机构，适应人群：
Gavin大咖课程信息分享
作者参与Gavin大咖主编出版Spark系列图书5本，清华大学出版社最新出版2本新书《Spark大数据商业实战三部曲：内核解密|商业案例|性能调优》第二版、《企业级AI技术内幕：深度学习框架开发+机器学习案例实战+Alluxio解密》，累计原创博客1475篇，涵盖大数据、人工智能、智能对话机器人等内容，博客阅读量达217万次。
课程名称：NLP 高手之路101课（模型、算法、论文、源码、案例 + 1年答疑）
课程关键词：NLP、Transformer、BERT、GPT、Bayesian、Rasa、Transfer learning、Conversational AI、Classifiers、 Policies、Dialogue Management、NER、Pre-training、Fine-tuning、DIET、TED、SimpleTOD、Bert-DST、ConveRT、Poly-Encoder、Chatbot、E2E、NLU、Policies、Microservices、Graph Component、Fallback、LoopAction、Papers、Algorithms、Source Code、Projects
内容：
自从Google在2017发布Transformer论文以来，以Transformer为核心的新一代NLP技术在短短的2年左右的时间就彻底革新了整个NLP领域，尤其是2018年的BERT极大的加速了这一革新进程，无论是学术界还是工业界（Google、Amazon、Facebook、Alibaba、Tencent、ByteDance等）的近几年NLP工作均是围绕Transformer这个新一代的NLP架构系统而展开。人工智能领域具有全球广泛影响力的科学家Andrew Ng在2021年回顾AI的最新进展中甚至说 “Originally developed for natural language processing, transformers are becoming the Swiss Army Knife of deep learning.” 其明确表示就最新AI发展进展表明Transformer已经逐步实现了“One Architecture to Do Them All”的人工智能大一统趋势。详情请参考：Top AI Stories of 2021: Transformers Take Over, Models Balloon, Multimodal AI Takes Off, Governments Crack Down - The Batch | DeepLearning.AI
基于此，星空智能对话机器人团队推出了以Transformer为核心的新一代NLP课程“NLP 高手之路101课（模型、算法、论文、源码、案例 + 1年答疑）”，力求通过该课程反映过去几年NLP在硅谷和全球的学术研究和工业落地的最新进展，帮助有志于新一代NLP技术的爱好者、研究者和实践者学习来自硅谷最新的NLP实用技术。具体来说，课程包含以下五大部分：
- Transformer架构及源码剖析系列：Transformer、BERT、GPT的架构、算法、源码实现等近13小时内容讲解
- 论文算法系列：从导师阅读的3000多篇NLP论文中选出10篇最高质量的NLP论文，抽丝剥茧的讲解其架构、算法并结合星空对话机器人研发经验分享最佳实践等近21小时内容的讲解
- Rasa 3.X内核源码系列：对Rasa 3.X新一代的Graph Architecture下的架构、算法、Classifiers、Policies、Microservices、Dialogue Management进行详细的讲解，所有内容均有源码逐行剖析，该部分总共约45小时。
- Rasa 3.X项目系列: 10大典型的Rasa项目案例，帮助学员掌握经典场景Rasa各类应用开发等近20小时讲解
- NLP项目系列：五大企业级NLP硬核技术项目案例，所有的代码均是按照企业级的标准实现，稍加修改即可应用到学员以后企业NLP产品实现中。
尤其值得一提的是，Rasa是NLP技术的集大成者，是基于Transformer架构的全球使用最广泛的智能业务对话机器人，而掌握这一核心的技术的人才目前为止是极为稀少的。“NLP高手之路101课” 是全球第一个系统讲解Rasa 3.X架构、算法、源码、调试及项目实战的课程，掌握该课程的内容可以加速学习者成为NLP及Conversational AI技术的引领者。
整个“NLP高手之路101课”涵盖当今NLP应用和科研领域最热门的五大技术方向：预训练、语言理解、对话系统、知识图谱、文本生成等，在深入剖析技术细节及各模块所涵盖最前沿技术的同时，导师会结合自身研究开发星空智能对话机器人12万行核心源码的经验及学术应用前沿，对基于Transformer的新一代NLP的模型、算法、论文、源码、案例等进行全息分享，并提供1年的课程内容技术答疑服务。
收获：
- 通过近13小时掌握基于Transformer的新一代NLP架构、算法、论文、源码及案例，轻松应对Transformer面试及新一代NLP架构及开发工作。
- 通过近21小时学习导师从自己阅读的超过3000篇NLP论文中的精选出的10篇质量最高的论文的架构、算法、实现等讲解，对新一代的NLP技术了然于胸，极大的加速NLP科研及项目开发进度。
- 通过近65小时彻底掌握NLP技术的集大成者Rasa这一全球最成功的的智能业务对话机器人架构、算法、源码及实战案例，成为NLP技术公司或者团队NLP技术的引领者。
- 通过5大企业级NLP实战项目，不仅能够贯通NLP整个领域的核心技术，同时能够学习企业级NLP成熟项目代码的思想和精华，帮助学员轻松应对任意难度的NLP项目面试的同时还能够把这些项目稍加修改应用于企业NLP产品开发中。
- 该课程尤其是对短期内想对NLP领域有系统全面深入认识特别有帮助，所有的内容都是基于企业开发中用到的内容由浅入深环环相扣展开，可以大大节省学习时间。同时对具有NLP或者知识图谱或者推荐系统工作经验的同学而言，会在1-3月的时间内完成技术的更新换代，成为最新人工智能技术的引领者。
资料及答疑：
购买后联系授课导师Gavin获得代码、资料及完整的课程视频（包含额外的根据学员学习反馈而补充的视频及助教录制的视频）。
课程提供1年的技术答疑服务，Gavin老师负责所有课程技术问题的答疑服务。
Your satisfaction is our number one priority. If something isn't right, please contact us via message before leaving a feedback
大纲(基于直播持续更新)：
第1课 Bayesian Transformer思想及数学原理完整论证
1，线性回归及神经网络AI技术底层通用的贝叶斯数学原理及其有效性证明
2，人工智能算法底层真相之MLE和MAP完整的数学推导过程概率、对数、求导等以及MLE和MAP关系详解
3，语言模型Language Model原理机制、数学推导及神经网络实现
4，图解Transformer精髓之架构设计、数据训练时候全生命周期、数据在推理中的全生命周期、矩阵运算、多头注意力机制可视化等
5，什么叫Bayesian Transformer，Bayesian Transformer和传统的Transformer的核心区别是什么？
6，Bayesian Transformer这种新型思考模型在学术和工业界的意义是什么，为什么说Transformer中到处都是Bayesian的实现？
7，贝叶斯Bayesian Transformer数学推导论证过程全生命周期详解及底层神经网络物理机制剖析
第2课Transformer论文源码完整实现
1，Transformer架构内部的等级化结构及其在NLP中的应用内幕
2，数学内幕、注意力机制代码实现、及Transformer可视化
3，以对话机器人的流式架构为例阐述Transformer学习的第三境界
4，以智能对话机器人为例阐述Transformer的自编码autoencoding和自回归autoregressive语言模型内幕机制
第3课：Transformer语言模型架构、数学原理及内幕机制
1，语言模型的链式法则、运行机制及为何说LM是一个Classifier？
2，基于概率统计Statistical Language Models语言模型内部机制、数学公式、及完整的示例
3，基于神经网络Neural Language Models语言模型内部机制、数学公式、及完整的示例
4，使用困惑度及Cross Entropy来衡量语言模型的质量具体实现及数学公式推导分
5，Language Model底层的数学原理之最大 似然估计MLE及最大后验概率MAP内部机制与关系详解
6，语言模型底层的数学原理之Bayesian模型原理与实现
第4课 GPT自回归语言模型架构、数学原理及内幕机制
1，语言模型的运行机制、架构内部及数学实现回顾
2，GPT可视化、Masking等工作机制解析
3，GPT中的Decoder-Only模式内部运行机制解析
4，数据在GPT模型中的流动生命周期Input Encoding、Self-Attention、及Model Output详解
5，GPT中的Masked多头注意力机制及全连接神经网络内部运行机制解析
第5课 BERT下的自编码语言模型架构、数学原理及内幕机制
1，双向Masking机制数学原理剖析
2，BERT语言模型架构内幕详解
3，BERT训练任务和调优
第6课 BERT Pre-taining模型源码完整实现
1，BERT神经网络的完整源码实现
2，预训练任务MLM完整源码实现
3，预训练任务NSP完整源码实现
第7课 使用BERT 进行Document分类任务案例实战
1，BERT Fine-tuning 数字原理剖析
2，模型及数据处理代码
3，BERT Fine-tuning训练完整代码
第8课 使用BERT进行NER案例实战
1，BERT Fine-tuning 进行NER原理解析
2，Tokenization及Input端代码
3，BERT Fine-tuning训练及优化
第9课 使用BERT进行多任务Fine-Tuning解密
1，Fine-Tuning最佳策略
2，Pre-Training深度优化
3，Multi-Task微调解密及案例
第10课 使用BERT对影评数据分析(数据处理、模型代码、线上部署)
1，Sogou New数据处理
2，模型Input源码
3，模型训练及优化
第11课 BERT论文解密、数学推导及完整源码实现
1，透视BERT论文的所有技术要点
2，剖析背后的数学原理
3，通过代码论证所有的理论
第12课 基于Transformer的多轮对话系统四要素解密
1，Intent预测与管理
2，对话管理State Tracking
3，对话行为的预测，根据现在和之前的对话预测接下来的情况
4，Response Selection策略
第13课 如何使用Transformer构建具有抗干扰能力的面向任务的对话系统？
1，使用Dialogue Stacks和LSTM来处理subdialogue的潜在问题分析
2， Transformer实现扛干扰的多轮对话系统架构剖析
3， Transformer实现扛干扰的多轮对话关键技术剖析
第14课 使用Transformer构建具有抗干扰能力的对话系统Experiments深度剖析
1，针对Sub-dailogues进行抗干扰处理实验分析
2，与LSTM进行对话处理试验对比
3，通过Modular Training进行试验分析
第15课 基于多任务Transformer架构的Intent和NER算法实现
1，对话机器人中的Modular Approach的架构剖析
2，经典的处理Intent和NER multi-task Transformer架构分析
3，多任务架构思考与总结
第16课 基于Transformer的轻量级多任务NLU系统解密
1，Transformer处理Intent和NER的Input Emeddings架构解析
2，CLS和MASK的特殊实现解密
3，LOSS计算背后的数学原理详解
第17课 轻量级多任务Transformer语言理解框架DIET试验分析
1，意图识别和NER的联合训练
2，多种Embeddings模型的整合
3，与BERT的对比分析
第18课 基于Transformer端到端的任务对话系统解密
1，Task-Oriented Dialogue与用户交互过程解析
2，SimpleTOD模型架构详解
3，SimpleTOD端到端的任务对话系统训练函数剖析
第19课 基于Transformer的端到端对话系统SimpleTOD试验分析
1，SimpleTOD端到端任务对话系统运行流程回顾
2，Special Tokens设置及其重大影响
3，SimpleTOD在多场景下的试验分析
第20课 基于Transformer的Scalable对话状态管理模型BERT-DST详解
1，Scalable 对话状态管理系统剖析
2，BERT-DST算法解析
3，BERT-DST试验分析
第21课 细粒度Retrieval-Base对话系统解密
1，Fine-grainded post-training架构解析
2，实现对话内部更细粒度信息提取
3，实现更精细的Target目标训练
第22课 细粒度Retrieval-Base对话算法详解
1，细粒度Related Work解析
2，Problem Formulation
3，算法内部过程详解
第23课 BERT-FP两大训练任务内幕及Experiment解析
1，Short Context-response Pair Training 解析
2，Utterance Relevance Classification解析
3，Experiments数据集、Beaseline Models、及训练结果分析
第24课Retrieval-Based对话系统BERT-FP的Further Analysis及星空对话机器人内幕实现解密
1，对BERT-FP的Further Analysis解析
2，星空对话机器人在Data Augmentation等的处理秘密
3，对话系统数据处理思考与总结
第25课 基于Transformer轻量级高效精确的Conversational Representation对话系统ConveRT解密
1，为何Gavin认为ConverRT是在超过3000篇NLP论文中排名前五的论文？
2，ConveRT不同于BERT的训练目标及其Compact网络
3，Single-Context ConveRT及Multi-Context ConveRT
第26课 惊才绝艳的基于Transformer的ConveRT算法内幕逐句解密
1，Vocabulary构建及Iinput和Response的Representation算法内幕
2，Input and Response Encoder Networks算法内幕
3，Input-Response Interaction算法内幕
第27课 基于Transformer的ConveRT算法及试验设置解密
1，ConveRT下的Quantization内幕机制详解
2，Multi-Context ConveRT架构师实现解析
3，ConveRT进行试验的数据及Baselines分析
第28课 基于Transformer的ConveRT的Experiments、Results及Discussion
1，ConveRT中的Transfer Learning
2，low-data settings分析及最佳实践
3，low data发展方向探索
第29课 基于Transformer的Poly-Encoder架构体系解密
1，基于Transformer的Bi-encoder解析
2，基于Transformer的Cross-encoder解析
3，基于Transformer的Poly-encoder解析
第30课 基于Transformer的Poly-Encoder的Tasks和Methods内幕详解
1，Poly-Encoder下的Tasks详解
2，Bi-Encoder及Cross-Encoder的算法详解
3，Poly-Encoder算法实现详解
第31课 基于Transformer的Poly-Encoder实验详解
1，Bi-encoders and Cross-encoders实验详解
2，Poly-encoders实验详解
3，Domain-specific Pre-training 实验详解
第32课 基于Transformer的Recipes for building an open-domain chatbot论文解析
1，论文Abstract详解
2，论文Discussion详解
3，为何Toxic Language及Gender Bias很难解决？
第33课 基于Transformer的Recipes for building an open-domain chatbot架构及策略分析
1，通过两幅图解密Recipes for building an open-domain chatbot架构精髓
2，Blending Skills解析
3，Generation Strategies解析
第34课 基于Transformer的Recipes for building an open-domain chatbot的Generator、Retriever及Objectives
1，Generator、Dialogue Retrieval及Knowledge Retrieval详解
2，Ranking for Retrieval及Likelihood Training for Generation详解
3，α-blending for Retrieve and Refine详解
第35课 基于Transformer的Recipes for building an open-domain chatbot的Decoding、Training及Safety Characteristics分析
1， Unlikehood training及Decoding详解
2，Training Details和Training Data关键点解析
3，Safety Characteristics深度结项
第36课 基于Transformer的Rasa Internals解密之Retrieval Model剖析
1，什么是One Graph to Rule them All
2，为什么工业级对话机器人都是Stateful Computations？
3，Rasa引入Retrieval Model内幕解密及问题解析
第37课 基于Transformer的Rasa Internals解密之去掉对话系统的Intent内幕剖析
1，从inform intent的角度解析为何要去掉intent
2，从Retrieval Intent的角度说明为何要去掉intent
3，从Multi intents的角度说明为何要去掉intent
4，为何有些intent是无法定义的？
第38课 基于Transformer的Rasa Internals解密之去掉对话系统的End2End Learning内幕剖析
1，How end-to-end learning in Rasa works
2，Contextual NLU解析
3，Fully end-to-end assistants
第39课 基于Transformer的Rasa Internals解密之全新一代可伸缩DAG图架构内幕
1，传统的NLU/Policies架构问题剖析
2，面向业务对话机器人的DAG图架构
3，DAGs with Caches解密
4，Example及Migration注意点
第40课 基于Transformer的Rasa Internals解密之定制Graph NLU及Policies组件内幕
1，基于Rasa定制Graph Component的四大要求分析
2，Graph Components解析
3，Graph Components源代码示范
第41课 基于Transformer的Rasa Internals解密之自定义GraphComponent内幕
1，从Python角度分析GraphComponent接口
2，自定义模型的create和load内幕详解
3，自定义模型的languages及Packages支持
第42课 基于Transformer的Rasa Internals解密之自定义组件Persistence源码解析
1，自定义对话机器人组件代码示例分析
2，Rasa中Resource源码逐行解析
3，Rasa中ModelStorage、ModelMetadata等逐行解析
第43课 基于Transformer的Rasa Internals解密之自定义组件Registering源码解析
1，采用Decorator进行Graph Component注册内幕源码分析
2，不同NLU和Policies组件Registering源码解析
3，手工实现类似于Rasa注册机制的Python Decorator全流程实现
第44课 基于Transformer的Rasa Internals解密之自定义组件及常见组件源码解析
1，自定义Dense Message Featurizer和Sparse Message Featurizer源码解析
2，Rasa的Tokenizer及WhitespaceTokenizer源码解析
3，CountVectorsFeaturizer及SpacyFeaturizer源码解析
第45课 基于Transformer的Rasa Internals解密之框架核心graph.py源码完整解析及测试
1，GraphNode源码逐行解析及Testing分析
2，GraphModelConfiguration、ExecutionContext、GraphNodeHook源码解析
3，GraphComponent源码回顾及其应用源码
第46课 基于Transformer的Rasa Internals解密之框架DIETClassifier及TED
1，作为GraphComponent的DIETClassifier和TED实现了All-in-one的Rasa架构
2，DIETClassifier内部工作机制解析及源码注解分析
3，TED内部工作机制解析及源码注解分析
第47课 基于Transformer的Rasa 3.x Internals解密之DIET近1825行源码剖析
1，DIETClassifier代码解析
2，EntityExtractorMixin代码解析
3，DIET代码解析
第48课 基于Transformer的Rasa 3.x Internals解密之TED Policy近2130行源码剖析
1，TEDPolicy父类Policy代码解析
2，TEDPolicy完整解析
3，继承自TransformerRasaModel的TED代码解析
第49课 基于Transformer的Rasa 3.x 内核解密之UnexpecTEDIntentPolicy架构及实践
1，UnexpecTEDIntentPolicy设计的背后机制
2，UnexpecTEDIntentPolicy与TEDPolicy源码分析
3，UnexpecTEDIntentPolicy与人工服务自定义功能实现
第50课 BERT架构、pretraining预训练、Fine Tuning下游任务微调全生命周期内幕解密
1，BERT架构内幕核心解密
2，BERT Pretraining预训练剖析
3，BERT Fine-tuning解析
第51课 BERT预训练Pre-training源码完整实现
1，构建Dictionary和Data Preprocessing源码
2，BERT神经网络代码实现
3，BERT Language Model代码实现
第52课 BERT Fine-tuning数学原理及案例源码解析
1，Fine-tuning背后数学原理详解
2，Fine-tuning中数据Input处理代码实现
3，Fine-tuning案例代码实现
第53课 UnexpecTEDIntentPolicy源码研读
1，UnexpecTEDIntentPolicy导入包和类分析
2，UnexpecTEDIntentPolicy和TEDPolicy关系分析
3，UnexpecTEDIntentPolicy源码剖析
第54课 UnexpecTEDIntentPolicy算法源码及IntentTED详解
1，UnexpecTEDIntentPolicy算法源码
2，Graph Architecture
3，IntentTED算法及源码
第55课 Rasa Memoization对话策略及源码解析
1，Memoization Policy及Augmented Memoization Policy对话策略分析
2，MemoizationPolicy完整源码解析
3，AugmentedMemoizationPolicy完整源码解析
第56课 Rasa Rule-based Policies架构设计与源码解析
1，Rule Policy内部机制解析
2，InvalidRule源码详解
3，RulePolicy与MemoizationPolicy关系源码详解
第57课 Rasa RulePolicy完整源码详解
1，RulePolicy初始化代码详解
2，RulePolicy训练源码详解
3，RulePolicy Prediction源码详解
第58课 Rasa对话策略Policy完整源码详解
1，Policy与GraphComponent
2，SupportedData完整源码详解
3，PolicyPrediction完整源码详解
第59课 Rasa Policy完整源码详解
1，Policy的初始化及和子类关系源码剖析
2，Policy训练源码详解
3，Policy预测源码详解
第60课 Rasa对话策略Ensemble完整源码剖析
1，Ensemble架构及其在Rasa中的应用解密
2，PolicyPredictionEnsemble源码逐行解析
3，DefaultPolicyPredictionEnsemble源码逐行解析
第61课 Rasa Fallback Classifier处理对话失败情况三大处理方式内幕及代码实战
1，Rasa Fallback Classifier在具体对话机器人开发中的重大价值分析
2，Simple Fallback及Single-stage Fallback处理及代码实现
3，Two-stage Fallback流程分析及代码实现
第62课 Rasa Fallback and Human Handoff全解
1，Out-of-scope消息的处理
2，NLU Fallback的处理
3，Rasa Core Low Action Confidence的处理
第63课 Rasa FallbackClassifier源码逐行剖析
1，FallbackClassifier使用的包及初始化源码解析
2，核心方法process源码逐行解析
3，FallbackClassifier与GraphComponent、IntentClassifier关系源码解析
第64课 Rasa对话机器人业务逻辑Action Servers架构设计与核心运行流程解密
1，Rasa Server与Action Servers交互关系解析
2，请求执行custom action的RESTful中JSON内容详解及示例
3，Action Servers返回的events及responses详解及示例
第65课 Rasa Events剖析及源码详解
1，Event接口分析
2，14大Event剖析及源码详解
3，Loop相关Event分析及源码详解
第66课 Rasa微服务Action自定义及Slot Validation详解
1，Rasa Action剖析及代码示例
2，ValidationAction剖析及代码示例
3，FormValidationAction剖析
第67课 Form全生命周期解析及Default Actions剖析
1，Form全生命周期运行内幕
2，Form的高级用法
3，Default Actions详解
第68课 Rasa微服务四大组件全解
1，Rasa Actions和Tracker详解
2，Rasa Dispatcher及Event详解
3，关于Metadata的使用及Action Server启动参数详解
第69课 Rasa Knowledge Base案例解析、工作机制及自定义详解
1，ActionQueryKnowledgeBase分析及案例解析
2，Knowledge Base Actions工作机制解密
3，Knowledge Base Actions自定义详解
第70课 Rasa Core action.py源码剖析之常见类、工具方法及微服务通信类
1，三大常见类Action、ActionBotResponse、ActionListent源码逐行剖析
2，action.py中工具方法源码详解
3，微服务请求核心RemoteAction源码逐行剖析及AIOHTTP使用详解
第71课 Rasa系统内置Action源码逐行解析
1，ActionSessionStart、ActionRestart、ActionBack源码逐行解析
2，ActionEndToEndResponse、ActionDefaultFallback、ActionRevertFallbackEvents源码逐行解析
3，ActionDeactivateLoop、ActionUnlikelyIntent、ActionExecutionRejection源码逐行解析
4，ActionDefaultAskAffirmation、ActionDefaultAskRephrase、ActionExtractSlots源码逐行解析
5，extract_slot_value_from_predefined_mapping源码逐行解析
第72课 Rasa ActiveLoop、LoopAction及TwoStageFallbackAction源码逐行剖析
1，ActiveLoop源码逐行剖析
2，Rasa LoopAction源码逐行剖析
3，TwoStageFallbackAction源码逐行剖析
第73课 654行Rasa LoopAction类型的FormAction源码逐行剖析
1，LoopAction类型的FormAction运行机制和业务开发意义分析
2，Slots状态的管理、校验、和维护源码解析
3，do方法和is_done方法深度分析
第74课 代理模式下的Rasa微服务Form共1288行源码架构设计及源码逐行解析
1，Action类型的FormAction和LoopAction类型的FormAction区别与联系分析
2，Rasa微服务接口interfaces.py共370行源码逐行解析
3，Rasa SDK中的forms.py共918行源文件逐行解析
第75课 Rasa Interactive Learning运行原理、运行流程及案例实战
1，为什么说Rasa Interactive Learning是解决Rasa对话机器人Bug最容易的途径？
2，Rasa Interactive与Rasa Visualize的联合使用：Stories、Rules、NLU、Policies
3，项目案例Microservices源码逐行解析
4，使用Rasa Interactive Learning逐行调试nlu及prediction案例的三大用例场景
5，使用Rasa Interactive Learning生产数据示例实战
第76课 通过Rasa Interactive Learning发现及解决对话机器人的Bugs案例实战
1，动态的Rasa Visualization http://localhost:5006/visualization.html
2，Rasa Interactive Learning定位Slot的Bug及解决方案现场实战
3，Rasa Interactive Learning定位微服务Bug及其分析
第77课 基于ElasticSearch的Knowledge Base与Rasa对话机器人的整合在对话机器人开发中巨大价值分析
1，通过Rasa Visualize分析Pizza项目的三大运行流程
2，Pizza项目的NLU、Stories及Rules内容详解
3，项目的微服务代码详解
4，通过Rasa Interactive Learning测试Pizza form的运行及validation运行机制
5，通过Rasa Interactive Learning实战围绕Pizza form的错误对话路径及改造方式
6，通过Rasa Interactive Learning生成新的Pizza form训练数据及其训练
第78课 基于ElasticSearch的Rasa项目实战之Movie及Book Knowledge Base整合
1，基于ElasticSearch的Knowledge Base与Rasa对话机器人的整合在对话机器人开发中巨大价值分析
2，基于ElasticSearch的Rasa项目核心运行流程分析：Movies及Books操作功能详情
3，打通Rasa、微服务及ElasticSearch功能演示及运行机制分析
4，通过Rasa Shell演示项目案例的核心功能
5，通过Rasa Interactive Learning演示项目案例的内幕运行机制及流程深度剖析
第79课 Rasa与ElasticSearch整合项目案例数据及配置作机制、最佳实践、及源码剖析
1，domain.yml中的config及session_config工作机制、最佳实践、内幕自定义源码剖析
2，项目的entities及slots、Responses和actions的关系解析
4，config.yml中Pipeline及Policies详解及其背后的Rasa Graph Architecture剖析
5，NLU及Policies训练数据详解
6，通过Rasa Interactive动手实战演示join movie and rating的功能
第80课 基于ElasticSearch的Rasa项目实战之微服务源码逐行解析
1，Rasa微服务和ElasticSearch整合中代码架构分析
2，KnowledgeBase源码解析
3，MovieDocumentType、BookDocumentType、RatingDocumentType源码解析
4，ElasticsearchKnowledgeBase源码解析
5，ActionElasticsearchKnowledgeBase源码解析
第81课 通过Rasa Interactive对Rasa对话机器人项目实战之ConcertBot源码、流程及对话过程内幕解密
1，通过Rasa Visualize从全局分析ConcertBot执行流程
2，ConcertBot中的Data剖析
3，定制Slot的Mapping的三种方式剖析及具体实现
4，Rasa Interactive全程解密ConcertBot内部机制
5，自定义的Slot Mapping的Action行为透视
第82课 Rasa项目实战之Helpdesk Assistant运行流程、交互过程及源码剖析
1，通过Rasa shell演示Helpdesk Assistant的项目功能
2，现场解决DucklingEntityExtractor在Docker中使用问题
3，通过Rasa Visualize透视Helpdesk Assistant核心运行流程
4，action_check_incident_status源码解析及Slot操作深度剖析
第83课：Rasa项目实战之Helpdesk Assistant中Bug调试过程全程再现及各类现象内幕解密
1，通过Rasa Shell交互式命令复现案例中的Bug问题
2，逐词阅读Bug信息定位错误来源
3，关于payload中KeyError内幕剖析
4，配置文件分析及源码解析
5，使用rasa data validate进行数据校验
6，使用Debug模式透视问题内幕
7，Helpdesk Assistant中Bug的解决及过程总结
第84课：Rasa项目实战之Helpdesk Assistant中Domain、Action逐行解密及Rasa Interactive运行过程剖析
1，对Helpdesk Assistant中的Domain内容逐行解密
2，Helpdesk Assistant中的Action微服务代码逐行解密
3，通过Rasa Interactive纠正Helpdesk Assistant中的NLU错误全程演示
4，通过Rasa Interactive纠正Helpdesk Assistant中的Prediction错误全程演示
5，通过Rasa Interactive纠正Helpdesk Assistant中的两大核心场景全程交互解密
第85课：Rasa项目实战之电商零售Customer Service智能业务对话机器人运行流程及项目Bug调试全程演示
1，电商零售Customer Service智能业务对话机器人功能分析
2，电商零售Customer Service智能业务对话机器人运行流程
3，使用Rase shell --debug模式测试电商零售Customer Service项目及问题Bug思考
4，使用Rasa Interactive来尝试解决项目Bug
5，调整rule文件效果测试及问题分析
6，调整slot配置测试及问题解决方案剖析
7，电商零售Customer Service智能业务对话机器人调试全流程及解决方案总结
第86课：Rasa项目实战之电商零售Customer Service智能业务对话机器人微服务代码逐行解密及基于Rasa Interactive的对话试验
1，Customer Service案例使用的SQLite3数据库中数据分析
2，增加了数据库的内容但在测试的时候却没有起作用原因及解决方案
3，action_order_status代码逐行解析及Rasa Interactive试验解密
4，action_cancel_order代码逐行解析及Rasa Interactive试验解密
5，action_return代码逐行解析及Rasa Interactive试验解密
6，chitchat和faq背后的ResponseSelector解密
第87课：Rasa项目实战之电商零售Customer Service智能业务对话机器人系统行为分析及项目总结
1，电商零售Customer Service的config内容逐行分析
2，Rasa 3.x Graph Architecture剖析
3，项目实战之电商零售Customer Service的Domain内容逐行分析
4，项目实战之电商零售Customer Service的rules内容逐行分析
5，项目实战之电商零售Customer Service的数据操作代码逐行分析
6，chitchat及faq在Rasa Interactive下的测试及行为分析
7，项目实战之电商零售Customer Service项目总结
第88课：Rasa项目实战之银行金融Financial Bot智能业务对话机器人架构、流程及通过Rasa Interactive实验现象解密
1，使用Rasa Visualize对Financial Bot智能业务对话机器人架构进行解析
2，逐行剖析Rasa Interactive启动内幕及Config文件剖析
3，Rasa 3.X Graph Architecture在Financial Bot智能业务对话机器人中的应用解密
4，使用Rasa Interactive实验Financial Bot进行账户余额查询及现象解密
5，使用Rasa Interactive实验Financial Bot进行transactions消费查询及现象解密
6，action_transaction_search微服务代码解析及SlotSet事件行为分析
第89课：通过Debugging模式贯通Rasa项目实战之银行金融Financial Bot智能业务对话机器人系统启动、语言理解、对话决策、状态管理、微服务调用全生命周期流程
1，使用Rasa shell --debug模式启动银行金融Financial Bot分析
2，Financial Bot的Rasa Server启动、模型加载Debugging内容逐行解密
3，从Rasa 3.X的Graph Architecture的视角分析Financial Bot启动步骤内幕
4，用户输入Message在NLU处理中的各大组件process方法解析
5，基于State而进行的并行话policies预测过程解密
6，不同阶段State的出发机制及具体内容剖析
7，使用Financial Bot进行transfer money操作出发form循环分析
8，Rasa Server中的action及Rasa微服务中的action区别和联系源码剖析
9，Slots状态分析和状态管理
10，Financial Bot全生命周期调试总结及进一下的探索思考
第90课：Rasa项目实战之银行金融Financial Bot多种状态转换及Rasa Interactive行为分析
1，使用Rasa Interactive分析Financial Bot从money transfer状态到search recipients状态
2，使用Rasa Interactive分析Financial Bot从money transfer状态到search transactions状态
3，使用Rasa Interactive分析Financial Bot从credit card payment状态到check balance状态
4，使用Rasa Interactive分析Financial Bot从credit card payment整个证明周期流程
5，对于多状态Rasa对话机器人状态切换问题、解决方案及最佳实践分析
第91课：Rasa对话机器人项目实战之银行金融Financial Bot微服务代码逐行解密及工业级对话机器人高级代码最佳实践
1，Financial Bot微服务中使用SlotSet, Restarted,FollowupAction,UserUtteranceReverted等Event解密
2，Financial Bot微服务中对SQLite数据库的使用解析
3，Financial Bot微服务中对自定义Form Validation类CustomFormValidationAction代码逐行剖析
4，Financial Bot微服务中Payment Form Action源码及Validation代码逐行剖析
5，Financial Bot微服务中Money Transfer源码及Validation代码逐行剖析
6，Financial Bot微服务中Transaction Search源码及Validation代码逐行剖析
7，Financial Bot微服务中Explain function源码及触发代码逐行剖析
8，Financial Bot微服务中ActionSessionStart及ActionRestart自定义代码逐行剖析
9，Financial Bot微服务中ActionSwitchForms中的Ask、Deny、Affirm等行为代码逐行剖析
10，Financial Bot微服务中ActionSwitchBackAsk代码逐行剖析
11，Financial Bot微服务中代码总结及工业级Rasa对话机器人代码最佳实践分析
第92课：图解Rasa对话机器人项目实战之银行金融Financial Bot架构视角下的Training及Reference全生命周期、功能实现、及产品的二次开发
1，Rasa 3.X中Graph Architecture解析及其在银行金融Financial Bot中的落地实现
2，Rasa Architecture中的Agent、Channels、NLU Pipeline、Dialogue Policies、Tracker Store等解密
3，Rasa Architecture中的Agent和Action Server的RESTful架构通信内幕解析
4，Rasa Component Training Lifecycle组件实例化、训练及持久化解密
5，Rasa中使用Rule的通用原则及三大经典最佳实践及其在Financial Bot具体的应用
6，Rasa中多任务切换系统stories文件的设计及最佳实践及其在Financial Bot具体应用
7，Financial Bot架构视角下的Training及Reference全生命周期总结及产品的二次开发实践指导
第93课：Rasa对话机器人项目实战之保险行业Insurance Bot架构设计、流程分析、状态管理及基于Rasa Interactive的智能对话实验剖析
1，通过Rasa Visualize可视化工具详解保险行业Insurance Bot功能及架构设计
2，Rasa 3.X架构中的Agent、NLU Pipelines、Dialogue Policies、Action Server、Tracker Store等详解
3，保险行业Insurance Bot案例对Rasa 3.X各组件的应用示例
4，Insurance Bot对Graph Architecture的具体落地应用
5，逐行解密Rasa Interactive启动过程内幕
6，剖析Rasa Interactive中NLU对Insurance Bot输入的Message的处理：Intents、Entities、Slots
7，剖析Rasa Interactive中Policies触发Insurance Bot Form表单的过程内幕
8，剖析Rasa Interactive中Form运行流程及背后的密码
9，解密Insurance Bot表单提交执行微服务action全生命周期流程及Slots状态管理
第94课：Rasa对话机器人项目实战之保险行业Insurance Bot微服务代码逐行解析及现场实验剖析
1，ValidateQuoteForm三大Slot校验源码详解
2，ValidateQuoteForm三大Slot实验分析
3，ActionStopQuote代码解析及实验分析
4，ActionGetQuote源码逐行解析
5，ActionGetQuote实验分析
6，Rasa Custom Action Server Required Endpoint进程调用数据传输协议及内容剖析
7，extract slot function解密及其妙用分析
8，Address操作相关微服务代码逐行剖析
9，Claim操作相关微服务代码逐行剖析
10，Card操作相关微服务代码逐行剖析
11，Payment 操作相关微服务代码逐行剖析
12，Insurance Bot微服务源码总结及状态操作最佳实践
第95课：Rasa对话机器人项目实战之保险行业Insurance Bot的NLU及Policies数据内幕解密、源码解析及最佳实践
1，为什么有了DIETClassifier及预训练模型Duckling、spaCy等来协同完成意图识别和实体提取却还需要RegexFeaturizer、RegexEntityExtractor及EntitySynonymMapper？
2，RegexFeaturizer配置、原理、示例及文档剖析
3，RegexEntityExtractor配置、原理、示例及文档剖析
4，使用RegexFeaturizer及RegexEntityExtractor的三大最佳实践及其背后的原因剖析
5，EntitySynonymMapper配置、原理、示例及文档剖析
6，EntitySynonymMapper源码实现逐行剖析
7，Rules文件最佳实践剖析及三大经典应用
8，Stories文件最简实践解析及能够使用Stories完成不同任务上下文状态切换的背后Transformer原理解密
9，贝叶斯思想下的NLU及Policies数据最佳实践解密
第96课：Rasa对话机器人项目实战之保险行业Insurance Bot调试Debugging全程实战及背后架构、源码及本质解密
1，Rasa 3.X架构中的Agent、NLU Pipelines、Dialogue Policies、Action Server、Tracker Store等交互关系解析
2，解密Rasa shell –debug启动Insurance Bot中基于Sanic的Agent启动内幕
3，解密Rasa shell –debug启动Insurance Bot中基于Tracker Store启动内幕及最佳实践
4，解密Rasa shell –debug启动Insurance Bot中基于NLU Pipelines各大组件启动内幕
5，解密Rasa shell –debug启动Insurance Bot中基于Dialogue Policies各大组件启动内幕
6，解密Insurance Bot Debugging处理用户输入信息message的语言理解NLU全生命周期内幕
7，解密Insurance Bot Debugging处理用户输入信息message的Policies全生命周期内幕
8，解密Insurance Bot Debugging状态管理全生命周期内幕
9，解密Insurance Bot Debugging中Agent与Action Server交互的全生命周期内幕
10，解密Insurance Bot Debugging中form表单处理的全生命周期及微服务调用内幕
第97课：Rasa对话机器人项目实战之保险行业Insurance Bot调试、interactive learning解密及项目总结
1，使用Debugging模式解密Insurance Bot中的Check Claim Status全生命周期
2，使用Debugging模式解密Insurance Bot中的Pay Claim 全生命周期
3，Rasa Core中action具体请求远程微服务端endpoint数据封装、Aiohttp调用等源码剖析
4，Rasa Core中action具体收到远程微服务端endpoint的响应后进行数据处理以Channel调用等源码剖析
5，使用Rasa Interactive Learning启动Insurance Bot过程详解
6，使用Rasa Interactive Learning解密Insurance Bot的order a new card的全生命周期
7，使用Rasa Interactive Learning解密Insurance Bot的file a claim的全生命周期
8，使用Rasa Interactive Learning纠正Insurance Bot的NLU行为实战
9，使用Rasa Interactive Learning纠正Insurance Bot的Policies Prediction行为实战
10，基于使用Rasa Interactive Learning生成的新增数据分析及对话机器人训练
11，Rasa对话机器人项目实战之保险行业Insurance Bot项目总结
第98课：Rasa对话机器人项目实战之教育领域Education Bot项目架构、运行测试、流程分析及Rasa Interactive实验分析
1，Rasa内核架构Agent、NLU Pipelines、Dialogue Policies、Action Server、Tracker Store等详解
2，Rasa对话机器人项目实战之教育领域Education Bot项目介绍及架构设计
3，Rasa 3.X Graph Architecture架构密码、Graph Component及数据流解析
4，关于Agent与微服务Action Server交互流程及Action Server把业务处理结果输出全生命周期解析
5，Rasa Shell 启动Rasa对话机器人项目实战之教育领域Education Bot过程剖析
6，通过Rasa visualize解析Rasa对话机器人项目实战之教育领域Education Bot
7，通过Rasa Shell演示Rasa对话机器人项目实战之教育领域Education Bot项目
8，通过Rasa Interactive启动过程训练内容、模型加载及Rasa Server详解
9，通过Rasa Interactive解密教育领域Education Bot中user和bot交互的内幕详情
10，Rasa对话机器人项目实战之教育领域Education Bot项目微服务分析
第99课：Rasa对话机器人项目实战之教育领域Education Bot调试Debugging过程全生命周期实战解密
1，教育领域Education Bot调试Rasa Debugging启动Modules分析
2，教育领域Education Bot调试Rasa Debugging启动Sanic服务器详解
3，教育领域Education Bot调试Rasa Debugging命令终端Cmdline链接解析
4，教育领域Education Bot调试Rasa Debugging中NLU Pipeline组件启动详解
5，教育领域Education Bot调试Rasa Debugging中Policies组件启动详解
6，教育领域Education Bot调试Rasa Debugging中用户信息进入Agent过程详解
7，Education Bot Debugging对用户Message处理的整个NLU生命周期详解
8，Education Bot Debugging的Dialogue Management中Policies并行处理详解
9，Education Bot Debugging中Ensemble产生Action过程详解
10，Education Bot Debugging中的系统事件详解
第100课：Rasa对话机器人项目实战之教育领域Education Bot项目Debugging进阶实战
1，Education Bot对RulePolicy、AugmentedMemoizationPolicy、TEDPolicy使用Debugging实验分析
2，Education Bot在stories中对AugmentedMemoizationPolicy具体应用详解
3，Debugging模式下的Education Bot对TEDPolicy使用源码解析
4，Next Action决策器DefaultPolicyPredictionEnsemble算法剖析及源码讲解
5，专门为faq及chitchat设计的ResponseSelector运行机制详解及Debugging实验
6，Debugging模式下的Education Bot出发out of scope机制分析实验解密
7，Debugging模式下的Education Bot的动态State剖析
特别说明：
参与学习星空智能对话机器人的Rasa完整体系课程可参加工业与信息化部AI考试，报名费另收500元，学员自愿报名参加，Gavin导师全程做考试辅导，证书编号可在官网查询。考试时间以工业与信息化部安排为准。
硅谷硬核Rasa课程 | Rasa培训 | Rasa面试
全球设计Rasa课程行业应用最全面广泛、课程内容体系最多的机构
Rasa技术咨询：NLP_Matrix_Space
标签：Transformer,初体验,Rasa,Bot,解密,源码,解析,硬核 来源： https://blog.csdn.net/ZimingUit/article/details/123041743