SRAXC : Un Chatbot Expert sur mon Portfolio
SRAXC (Self-Reflective AI eXpert Chatbot) est une application web que j'ai conçue pour permettre aux recruteurs et aux entreprises de découvrir mon profil de manière interactive et dynamique. Au lieu de simplement lire mon portfolio, vous pouvez lui poser directement des questions sur mes compétences, mes projets, mon parcours professionnel et même mes loisirs.
Le concept : SRAXC est plus qu'un simple chatbot. Il utilise une technologie de pointe appelée RAG (Retrieval-Augmented Generation) pour fournir des réponses précises et basées sur des faits. Il accède à mes documents personnels, les analyse, et génère des réponses de manière intelligente, sans jamais inventer d'informations. .
Technologies et compétences mises en œuvre
Ce projet a été une excellente opportunité d'appliquer et de consolider des compétences clés en ingénierie de l'IA et en développement logiciel :
Ingénierie RAG : J'ai conçu et mis en place l'architecture RAG en utilisant LangChain pour l'orchestration des flux de travail.
Traitement du langage naturel (NLP) : J'ai utilisé des modèles de Hugging Face pour la création d'embeddings vectoriels, transformant mes documents texte en un format que les machines peuvent comprendre. .
Vector Database : La recherche d'informations est gérée par FAISS, une base de données vectorielle ultra-rapide optimisée pour la recherche de similarité.
Déploiement et MLOps : J'ai déployé l'application sur Streamlit Community Cloud, en gérant les dépendances (via
requirements.txt) et la sécurité des clés API (via les "secrets" de la plateforme et un fichier.gitignore). .Développement Full Stack (simplifié) : J'ai développé l'interface utilisateur avec Streamlit, géré les sessions et la logique de l'application, démontrant une capacité à construire une application web complète de bout en bout.
Démo en direct et code source
Pour interagir avec le chatbot et en apprendre davantage sur mes compétences, vous pouvez :
Tester l'application en direct : Lien vers l'application en direct sur Streamlit Community Cloud
Consulter le code source : Lien vers le dépôt GitHub du projet

N'hésitez pas à me contacter si vous avez des questions ou si vous souhaitez en savoir plus sur les détails techniques du projet.
Tags
RAG, Transformers, LLM, Python, Streamlit, Web Application
You might also like




