Quelques définitions :

 ML (Machine Learning) : Le machine learning est une approche

utilisée pour permettre aux ordinateurs d’apprendre à partir
de données sans être explicitement programmés. En
simplifiant, le machine learning consiste à entraîner un modèle
informatique à partir d’exemples afin qu’il puisse effectuer des
prédictions ou prendre des décisions sur de nouvelles données
similaries.

 NLP ou TALN : TALN est l’acronyme de Traitement du Langage

Naturel. C’est un domaine d’étude et de technologie qui se
concentre sur l’interaction entre les ordinateurs et le langage
humain. Ça implique le développement d’algorithmes et de
modèles qui permettent aux ordinateurs de comprendre,
interpréter et de générer le langage humain de manière
significative et utile. En plus simple, le TALN consiste çà
apprendre aux ordinateurs à comprendre et à communiquer
avec les humains en utilisant le langage.
L’architecture du chatbot :

Interface Utilisateur :
-L'interface utilisateur du chatbot est généralement intégrée à
une application web ou mobile.
-L'interface permet aux utilisateurs d'interagir avec le chatbot
en saisissant des messages ou en fournissant des commandes
vocales.
AWS Lex (Conversational engine):
-AWS Lex est un service proposé par Amazon Web Services
(AWS) permettant de créer des interfaces de conversation en
utilisant la compréhension du langage naturel (NLU).
-Il utilise la reconnaissance automatique de la parole (ASR) et le
traitement du langage naturel (NLP) pour comprendre les
entrées des utilisateurs et générer des réponses appropriées.
-AWS Lex permet la création d'interactions personnalisées avec
le chatbot en utilisant des intentions (intents), des expressions
(utterances) et des emplacements (slots).
Intentions et Expressions :
-Les intentions représentent les actions ou objectifs que le
chatbot peut accomplir ou assister.
-Les expressions sont des phrases ou des exemples que les
utilisateurs peuvent saisir pour déclencher des intentions
spécifiques.
 -Au cours du processus d'entraînement, AWS Lex apprend à
reconnaître et à mapper les expressions des utilisateurs avec les
intentions appropriées.
Emplacements et Types d'Emplacement :
-Les emplacements sont des informations spécifiques que le
chatbot nécessite de l'utilisateur pour remplir une intention.
-Les types d'emplacement définissent le format et les
contraintes des données attendues dans un emplacement (ex. :
date, heure, ville).
-AWS Lex extrait les valeurs des emplacements à partir des
entrées des utilisateurs, ce qui permet au chatbot de recueillir
les informations pertinentes pour traiter la demande de
l'utilisateur.
AWS Lambda :
-AWS Lambda est souvent utilisé en conjonction avec AWS Lex
pour gérer la logique côté serveur et répondre aux demandes
des utilisateurs.
-Lorsqu'une intention est déclenchée, les fonctions AWS
Lambda peuvent être invoquées pour effectuer des tâches telles
que l'interrogation d'une base de données, l'accès à des API
externes ou l'exécution de la logique métier.
-Les fonctions Lambda reçoivent les entrées d'AWS Lex, les
traitent et génèrent des réponses appropriées qui sont ensuite
renvoyées vers l'interface utilisateur.
Intégration et Déploiement :
-La conception et l'architecture du chatbot doivent prendre en
compte l'intégration avec d'autres systèmes ou plateformes si
nécessaire.
-Les chatbots AWS Lex peuvent être déployés et hébergés sur
AWS, assurant ainsi la mise à l'échelle, la haute disponibilité et
une gestion facile.
-L'intégration avec d'autres services AWS, tels qu'Amazon S3
pour le stockage des données ou Amazon DynamoDB pour le
stockage persistant, peut être envisagée en fonction des besoins
de l'application.
Ce que j’ai fait :

-J’ai créé un modèle de chatbot basique en utilisant le format JSON

pour AWS Lex.

-J’ai ajouté trois intents à notre chatbot : "greeting" (salutation),

"how_are_you" (comment ça va) et "fitness_tips" (conseils de
fitness).

-Chaque intent a été configuré avec des échantillons de phrases que

le chatbot peut comprendre et une réponse associée.

-J’ai ajouté un nouvel intent appelé "exercise_instructions"

(instructions pour un exercice) qui permet aux utilisateurs de
demander des instructions pour un exercice spécifique.

-J’ai créé un slot pour capturer le nom de l'exercice demandé par

l'utilisateur.

-J’ai ajouté une fonction de validation pour s'assurer que le nom de

l'exercice est fourni.

-Ensuite, j’ai pensé à l'ajout d'une fonctionnalité supplémentaire pour

appeler une fonction Lambda.
-J’ai ajouté une référence à une fonction Lambda dans le code JSON
de Lex.

-Finalement, j’ai fait le code pour la fonction Lambda qui capture le

nom de l'exercice, interagit avec l'API ChatGPT pour obtenir des
informations sur l'exercice, puis renvoie la réponse à Lex.

-On peut utiliser soit, ChatGPT ou configurer notre propre Crawler

avec le service AWS Kendra pour explorer des plateformes tels que
bodybuilding.com pour récolter les informations dont on a besoin, on
peut également utiliser les deux.
Des intetions que le chatbot pourra accomplir :
Intentions de recommandation d'exercices :
- IntentGetExerciseRecommendation : Les utilisateurs peuvent
demander des recommandations d'exercices en fonction de
leurs préférences, comme "Pouvez-vous me suggérer des
exercices cardio ?" ou "Quels sont quelques exercices de
musculation pour les débutants ?"
Intentions de définition d'objectif fitness :
- IntentSetFitnessGoal : Les utilisateurs peuvent exprimer leurs
objectifs de remise en forme et recevoir des conseils, tels que
"Je veux perdre du poids, que dois-je faire ?" ou "Comment
puis-je développer ma masse musculaire ?"
Intentions de conseils nutritionnels :
- IntentGetNutritionAdvice : Les utilisateurs peuvent demander
des conseils et des astuces nutritionnels, comme "Quels sont
quelques collations saines que je peux prendre avant un
entraînement ?" ou "Pouvez-vous me recommander un plan
alimentaire équilibré ?"
Intentions de planification d'entraînement :
- IntentScheduleWorkout : Les utilisateurs peuvent demander de
l'aide pour créer un planning d'entraînement, comme "Aidez-
moi à créer un plan d'entraînement hebdomadaire" ou "À quoi
devrait ressembler ma routine d'exercice quotidienne ?"
Intentions de suivi des progrès :
- IntentTrackProgress : Les utilisateurs peuvent s'informer sur les
moyens de suivre leurs progrès en matière de remise en forme,
tels que "Quelles sont les applications de fitness pour suivre
 mes entraînements ?" ou "Comment puis-je surveiller ma
fréquence cardiaque pendant l'exercice ?"
Intentions de conseils sur la forme des exercices :
- IntentGetExerciseFormTips : Les utilisateurs peuvent demander
des conseils sur la forme et la technique appropriées pour les
exercices, comme "Comment faire un squat correctement ?" ou
"Pouvez-vous me montrer la bonne façon de faire une pompe ?"
Intentions de recherche de cours de fitness :
- IntentFindFitnessClasses : Les utilisateurs peuvent rechercher
des cours de fitness ou des studios à proximité, comme "Où
puis-je trouver des cours de yoga près de chez moi ?" ou "Y a-t-il
des salles de boxe dans ma région ?"

-Pour pouvoir accomplir un intention, le chatbot demandera des

questions spécifiques pour pouvoir récolter les informations
nécessaires pour accomplir celui-ci.