Предизвикателство: Клиентът, мултинационална фармацевтична компания, искаше да преработи съществуваща система за управление на запитвания и да подобри нейната производителност и аналитични възможности чрез изкуствен интелект. Целта беше да се осигури последователно обслужване на клиентите на различни места.
Индустрия: Здравеопазване
Подход: Екипът ни използва семантичен анализ с предварителна обработка на NLTK, за да създаде различни функции за извличане и обозначаване на лекарствени продукти върху вече натрупани и класифицирани данни от запитвания. Предварително обработените данни бяха използвани за обучение на Keras с TF engine и бяха оценени в сравнение с вградените SVM алгоритми в SKLearn. Резултатите бяха с точност, близка до 80 % за класификация. Компонентите на ML бяха интегрирани в конвейера за автоматично задаване на задачи въз основа на продукта и екипа, разпознати в запитването в свободен текст.
От бизнес гледна точка цялостното решение ускорява процеса на управление на запитванията и допринася за цялостната удовлетвореност на клиентите и повишената оперативна ефективност.
Технологичен набор: Python и Angular разработчици, Data Scientists, ML инженери, проектен мениджър.
