យើងពន្លឿនការអភិវឌ្ឍន៍ដោយប្រើសេវាកម្ម Azure៖ យើងបង្កើត chatbots និងសេវាកម្មយល់ដឹងដោយប្រើវេទិកា

សួស្តី ហាប! ថ្ងៃនេះយើងនឹងបង្ហាញអ្នកពីរបៀបប្រើ Azure ដើម្បីដោះស្រាយបញ្ហាដែលជាធម្មតាត្រូវការអន្តរាគមន៍របស់មនុស្ស។ ភ្នាក់ងារចំណាយពេលច្រើនក្នុងការឆ្លើយសំណួរដដែលៗ ដោះស្រាយការហៅទូរសព្ទ និងការផ្ញើសារ។ Chatbots ធ្វើឱ្យទំនាក់ទំនង និងការទទួលស្គាល់ដោយស្វ័យប្រវត្តិ និងកាត់បន្ថយបន្ទុកលើមនុស្ស។ Bots ត្រូវបានគេប្រើផងដែរនៅក្នុង Azure DevOps ដែលជាកន្លែងដែលពួកគេអនុញ្ញាតឧទាហរណ៍ ដើម្បីអនុម័តការចេញផ្សាយ គ្រប់គ្រងការស្ថាបនា - មើល ចាប់ផ្តើម និងបញ្ឈប់ - ដោយផ្ទាល់ពីក្រុម Slack ឬ Microsoft ។ សរុបមក chatbot គឺនឹកឃើញខ្លះៗអំពី CLI ដែលមានតែអន្តរកម្ម និងអនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍បន្តនៅក្នុងបរិបទនៃការពិភាក្សាជជែក។

នៅក្នុងអត្ថបទនេះ យើងនឹងនិយាយអំពីឧបករណ៍សម្រាប់បង្កើត chatbots បង្ហាញពីរបៀបដែលពួកគេអាចត្រូវបានកែលម្អជាមួយនឹងសេវាកម្មយល់ដឹង និងពណ៌នាអំពីរបៀបបង្កើនល្បឿននៃការអភិវឌ្ឍន៍ជាមួយនឹងសេវាកម្មដែលត្រៀមរួចជាស្រេចនៅក្នុង Azure ។

Chatbots និងសេវាកម្មយល់ដឹង៖ ភាពស្រដៀងគ្នា និងភាពខុសគ្នាអ្វីខ្លះ?

ដើម្បីបង្កើត bots នៅក្នុង Microsoft Azure អ្នកប្រើ Azure Bot Service និង Bot Framework ។ ពួកគេរួមគ្នាតំណាងឱ្យសំណុំនៃកម្មវិធីសម្រាប់ការសាងសង់ ការធ្វើតេស្ត ការដាក់ពង្រាយ និងគ្រប់គ្រងបូត ដែលអនុញ្ញាតឱ្យអ្នកបង្កើតពីម៉ូឌុលដែលត្រៀមរួចជាស្រេច ទាំងប្រព័ន្ធទំនាក់ទំនងសាមញ្ញ និងកម្រិតខ្ពស់ជាមួយនឹងការគាំទ្រការនិយាយ ការទទួលស្គាល់ភាសាធម្មជាតិ និងសមត្ថភាពផ្សេងទៀត។

ចូរសន្មតថាអ្នកត្រូវអនុវត្ត bot សាមញ្ញដោយផ្អែកលើសេវាកម្ម Q&A របស់ក្រុមហ៊ុន ឬផ្ទុយទៅវិញ បង្កើត bot មុខងារជាមួយនឹងប្រព័ន្ធទំនាក់ទំនងដែលស្មុគស្មាញ។ ដើម្បីធ្វើដូចនេះអ្នកអាចប្រើឧបករណ៍មួយចំនួនដោយបែងចែកជាបីក្រុម៖ 

1. សេវាកម្មសម្រាប់ការអភិវឌ្ឍន៍យ៉ាងឆាប់រហ័សនៃចំណុចប្រទាក់ប្រអប់ (bots) ។
2. សេវាកម្ម AI ការយល់ដឹងដែលផលិតរួចរាល់សម្រាប់ករណីប្រើប្រាស់ផ្សេងៗគ្នា (ការទទួលស្គាល់លំនាំ ការទទួលស្គាល់ការនិយាយ មូលដ្ឋានចំណេះដឹង និងការស្វែងរក)។
3. សេវាកម្មសម្រាប់បង្កើត និងបណ្តុះបណ្តាលគំរូ AI ។

ជាធម្មតា មនុស្សយល់ច្រឡំដោយវិចារណញាណថា "bots" និង "សេវាកម្មយល់ដឹង" ដោយសារតែគំនិតទាំងពីរគឺផ្អែកលើគោលការណ៍នៃការទំនាក់ទំនង ហើយករណីប្រើប្រាស់សម្រាប់ bots និងសេវាកម្មពាក់ព័ន្ធនឹងការសន្ទនា។ ប៉ុន្តែ chatbots ដំណើរការជាមួយពាក្យគន្លឹះ និងគន្លឹះ ហើយសេវាកម្មយល់ដឹងដំណើរការជាមួយសំណើតាមអំពើចិត្ត ដែលជាធម្មតាត្រូវបានដំណើរការដោយមនុស្ស៖ 

សេវាកម្មយល់ដឹងគឺជាវិធីមួយផ្សេងទៀតដើម្បីទំនាក់ទំនងជាមួយអ្នកប្រើប្រាស់ ដោយជួយបំប្លែងសំណើតាមអំពើចិត្តទៅជាពាក្យបញ្ជាច្បាស់លាស់ ហើយបញ្ជូនវាទៅ bot ។ 

ដូច្នេះ chatbots គឺជាកម្មវិធីសម្រាប់ធ្វើការជាមួយសំណើ ហើយសេវាកម្មយល់ដឹងគឺជាឧបករណ៍សម្រាប់ការវិភាគដ៏ឆ្លាតវៃនៃសំណើដែលត្រូវបានដាក់ឱ្យដំណើរការដោយឡែកពីគ្នា ប៉ុន្តែអ្វីដែល chatbot អាចចូលប្រើបានក្លាយទៅជា "ឆ្លាតវៃ" ។ 

ការបង្កើត chatbots

ដ្យាក្រាមរចនាដែលបានណែនាំសម្រាប់ bot នៅក្នុង Azure មានដូចខាងក្រោម៖ 

ដើម្បីរចនា និងអភិវឌ្ឍរូបយន្តនៅក្នុង Azure សូមប្រើ Bot Framework. មាននៅលើ GitHub ឧទាហរណ៍នៃ botsសមត្ថភាពនៃការផ្លាស់ប្តូរក្របខ័ណ្ឌ ដូច្នេះវាចាំបាច់ក្នុងការគិតគូរអំពីកំណែរបស់ SDK ដែលត្រូវបានប្រើនៅក្នុងរូបយន្ត។

ក្របខ័ណ្ឌផ្តល់នូវជម្រើសជាច្រើនសម្រាប់បង្កើតរូបយន្ត៖ ដោយប្រើកូដបុរាណ ឧបករណ៍បន្ទាត់ពាក្យបញ្ជា ឬគំនូសតាងលំហូរ។ ជម្រើសចុងក្រោយមើលឃើញប្រអប់សម្រាប់នេះ អ្នកអាចប្រើកម្មវិធីគ្រប់គ្រង Bot Framework Composer. វាត្រូវបានបង្កើតឡើងនៅលើ Bot Framework SDK ជាឧបករណ៍អភិវឌ្ឍន៍ដែលមើលឃើញដែលក្រុមឆ្លងកាត់វិន័យអាចប្រើដើម្បីបង្កើតរូបយន្ត។

Bot Framework Composer អនុញ្ញាតឱ្យអ្នកប្រើប្លុកដើម្បីបង្កើតរចនាសម្ព័ន្ធការសន្ទនាដែល bot នឹងដំណើរការ។ លើសពីនេះទៀត អ្នកអាចបង្កើត triggers ដែលជាពាក្យគន្លឹះដែល bot នឹងមានប្រតិកម្មក្នុងអំឡុងពេលសន្ទនា។ ឧទាហរណ៍ ពាក្យ "ប្រតិបត្តិករ" "ចោរកម្ម" ឬ "បញ្ឈប់" និង "គ្រប់គ្រាន់" ។

នៅក្នុង Bot Framework Composer អ្នកអាចបង្កើតប្រព័ន្ធប្រអប់ស្មុគស្មាញដោយប្រើ ប្រអប់អាដាប់ធ័រ. ការសន្ទនាអាចប្រើទាំងសេវាកម្មយល់ដឹង និងកាតព្រឹត្តិការណ៍ (ប័ណ្ណអាដាប់ធ័រ)៖

បន្ទាប់ពីការបង្កើត អ្នកអាចដាក់ពង្រាយ chatbot ក្នុងការជាវ ហើយស្គ្រីបដែលបានរៀបចំដោយស្វ័យប្រវត្តិនឹងបង្កើតធនធានចាំបាច់ទាំងអស់៖ សេវាកម្មយល់ដឹង ផែនការកម្មវិធី ការយល់ដឹងអំពីកម្មវិធី មូលដ្ឋានទិន្នន័យ ជាដើម។

អ្នកបង្កើត QnA

ដើម្បីបង្កើតរូបយន្តសាមញ្ញដោយផ្អែកលើមូលដ្ឋានទិន្នន័យ Q&A សាជីវកម្ម អ្នកអាចប្រើសេវាកម្មយល់ដឹងពី QnA Maker ។ អនុវត្តក្នុងនាមជាអ្នកជំនួយការគេហទំព័រសាមញ្ញ វាអនុញ្ញាតឱ្យអ្នកបញ្ចូលតំណភ្ជាប់ទៅកាន់មូលដ្ឋានចំណេះដឹងសាជីវកម្ម (FAQ Urls) ឬប្រើមូលដ្ឋានទិន្នន័យឯកសារក្នុងទម្រង់ *.doc ឬ *.pdf ជាមូលដ្ឋាន។ បន្ទាប់ពីបង្កើតលិបិក្រម bot នឹងជ្រើសរើសចម្លើយដែលសមស្របបំផុតចំពោះសំណួររបស់អ្នកប្រើប្រាស់ដោយស្វ័យប្រវត្តិ។

ដោយប្រើ QnAMaker អ្នកក៏អាចបង្កើតខ្សែសង្វាក់នៃសំណួរច្បាស់លាស់ជាមួយនឹងការបង្កើតប៊ូតុងដោយស្វ័យប្រវត្តិ បន្ថែមមូលដ្ឋានចំណេះដឹងជាមួយនឹងទិន្នន័យមេតា និងបណ្តុះបណ្តាលបន្ថែមលើសេវាកម្មក្នុងអំឡុងពេលប្រើប្រាស់។

សេវាកម្មនេះអាចត្រូវបានប្រើជា chatbot ដែលអនុវត្តមុខងារតែមួយនេះ ឬជាផ្នែកមួយនៃ chatbot ដ៏ស្មុគស្មាញដែលប្រើ អាស្រ័យលើសំណើ សេវាកម្ម AI ផ្សេងទៀត ឬធាតុនៃ Bot Framework ។

ធ្វើការជាមួយសេវាកម្មយល់ដឹងផ្សេងទៀត។

មានសេវាកម្មយល់ដឹងផ្សេងៗគ្នាជាច្រើននៅលើវេទិកា Azure ។ តាមបច្ចេកទេស ទាំងនេះគឺជាសេវាកម្មគេហទំព័រឯករាជ្យដែលអាចហៅបានពីកូដ។ ជាការឆ្លើយតប សេវាកម្មផ្ញើ json នៃទម្រង់ជាក់លាក់មួយ ដែលអាចត្រូវបានប្រើនៅក្នុង chatbot ។

ការប្រើប្រាស់ទូទៅបំផុតនៃ chatbots គឺ:

1. ការទទួលស្គាល់អត្ថបទ។
2. ការទទួលស្គាល់ប្រភេទរូបភាពសេវាកម្មចក្ខុវិស័យផ្ទាល់ខ្លួនដែលកំណត់ដោយអ្នកអភិវឌ្ឍន៍ (ករណីផលិត៖ ការទទួលស្គាល់ថាតើនិយោជិតពាក់មួករឹង វ៉ែនតា ឬម៉ាស)។
3. ការសម្គាល់មុខ (ករណីប្រើប្រាស់ដ៏ល្អមួយគឺពិនិត្យមើលថាតើអ្នកដែលត្រូវបានស្ទង់មតិបានបង្ហោះមុខរបស់គាត់ ឬនិយាយថា រូបថតសត្វឆ្កែ ឬរូបថតរបស់មនុស្សភេទផ្សេងគ្នា)។
4. ការទទួលស្គាល់ការនិយាយ។
5. ការវិភាគរូបភាព។
6. ការបកប្រែ (យើងទាំងអស់គ្នាចងចាំថាតើការបកប្រែក្នុងពេលដំណាលគ្នានៅក្នុង Skype បណ្តាលឱ្យមានសំលេងរំខានប៉ុណ្ណា) ។
7. ពិនិត្យអក្ខរាវិរុទ្ធ និងការណែនាំសម្រាប់កែកំហុស។

LUIS

ដូចគ្នានេះផងដែរដើម្បីបង្កើត bots អ្នកប្រហែលជាត្រូវការ LUIS (ភាសាការយល់ដឹងអំពីសេវាឆ្លាតវៃ)។ គោលបំណងនៃសេវាកម្ម៖

• កំណត់ថាតើសេចក្តីថ្លែងការណ៍របស់អ្នកប្រើសមហេតុផល និងថាតើការឆ្លើយតបរបស់ bot គឺចាំបាច់ដែរឬទេ។
• កាត់បន្ថយការខិតខំប្រឹងប្រែងក្នុងការចម្លងការនិយាយរបស់អ្នកប្រើប្រាស់ (អត្ថបទ) ទៅជាពាក្យបញ្ជាដែលអាចយល់បានចំពោះ bot ។
• ទស្សន៍ទាយគោលដៅ/ចេតនារបស់អ្នកប្រើប្រាស់ពិត និងទាញយកការយល់ដឹងសំខាន់ៗពីឃ្លានៅក្នុងការសន្ទនា។
• អនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍បើកដំណើរការ bot ដោយប្រើឧទាហរណ៍មួយចំនួននៃការទទួលស្គាល់អត្ថន័យ និងការបណ្តុះបណ្តាលបន្ថែមជាបន្តបន្ទាប់នៃ bot ក្នុងអំឡុងពេលប្រតិបត្តិការ។
• បើកឱ្យអ្នកអភិវឌ្ឍន៍ប្រើការមើលឃើញដើម្បីវាយតម្លៃគុណភាពនៃការចម្លងពាក្យបញ្ជា។
• ជួយក្នុងការបង្កើនភាពប្រសើរឡើងក្នុងការទទួលស្គាល់គោលដៅពិត។

តាមពិត គោលដៅចម្បងរបស់ LUIS គឺត្រូវយល់ជាមួយនឹងប្រូបាប៊ីលីតេជាក់លាក់មួយអំពីអ្វីដែលអ្នកប្រើចង់មានន័យ និងបំប្លែងសំណើធម្មជាតិទៅជាពាក្យបញ្ជាដែលចុះសម្រុងគ្នា។ ដើម្បីទទួលស្គាល់តម្លៃសំណួរ LUIS ប្រើសំណុំនៃចេតនា (អត្ថន័យ ចេតនា) និងអង្គភាព (ទាំងកំណត់រចនាសម្ព័ន្ធជាមុនដោយអ្នកអភិវឌ្ឍន៍ ឬបានយក និងបង្កើតជា "ដែន" ជាមុន ដែលជាបណ្ណាល័យត្រៀមរួចជាស្រេចនៃឃ្លាស្តង់ដារដែលរៀបចំដោយ Microsoft) ។ 

ឧទាហរណ៍សាមញ្ញ៖ អ្នកមាន bot ដែលផ្តល់ឱ្យអ្នកនូវការព្យាករណ៍អាកាសធាតុ។ សម្រាប់គាត់ ចេតនានឹងក្លាយជាការបកប្រែសំណើធម្មជាតិទៅជា "សកម្មភាព" - សំណើសម្រាប់ការព្យាករណ៍អាកាសធាតុ ហើយអង្គភាពនឹងជាពេលវេលា និងទីកន្លែង។ នេះគឺជាដ្យាក្រាមអំពីរបៀបដែលចេតនា CheckWeather ដំណើរការសម្រាប់ bot បែបនេះ។

ចេតនា
ខ្លឹមសារ
ឧទាហរណ៍នៃសំណួរធម្មជាតិ

ពិនិត្យអាកាសធាតុ
{"type": "location", "entity": "moscow"}
{"type": "builtin.datetimeV2.date", "entity": "future","resolution":"2020-05-30"}
តើអាកាសធាតុនឹងទៅជាយ៉ាងណានៅថ្ងៃស្អែកនៅទីក្រុងមូស្គូ?

ពិនិត្យអាកាសធាតុ
{ "type": "date_range", "entity": "ចុងសប្តាហ៍នេះ" }
បង្ហាញខ្ញុំពីការព្យាករណ៍សម្រាប់ចុងសប្តាហ៍នេះ។

ដើម្បីបញ្ចូលគ្នានូវ QnA Maker និង LUIS អ្នកអាចប្រើបាន។ អ្នកចែកចាយ. 

នៅពេលអ្នកធ្វើការជាមួយ QnA Maker និងទទួលបានសំណើពីអ្នកប្រើប្រាស់ ប្រព័ន្ធកំណត់ថាតើភាគរយនៃប្រូបាប៊ីលីតេដែលចម្លើយពី QnA ត្រូវគ្នានឹងសំណើ។ ប្រសិនបើប្រូបាប៊ីលីតេខ្ពស់ អ្នកប្រើប្រាស់ត្រូវបានផ្តល់ចម្លើយយ៉ាងសាមញ្ញពីមូលដ្ឋានចំណេះដឹងសាជីវកម្ម ប្រសិនបើវាមានកម្រិតទាប សំណើអាចត្រូវបានផ្ញើទៅ LUIS សម្រាប់ការបំភ្លឺ។ ការប្រើប្រាស់ Dispatcher អនុញ្ញាតឱ្យអ្នកមិនសរសេរកម្មវិធីតក្កវិជ្ជានេះទេ ប៉ុន្តែដើម្បីកំណត់គែមនៃការបំបែកសំណើនេះដោយស្វ័យប្រវត្តិ និងចែកចាយពួកវាយ៉ាងឆាប់រហ័ស។

សាកល្បង និងផ្សព្វផ្សាយបូត

កម្មវិធីក្នុងស្រុកមួយផ្សេងទៀតត្រូវបានប្រើសម្រាប់ការធ្វើតេស្ត, កម្មវិធីត្រាប់តាមស៊ុមបូត. ដោយប្រើកម្មវិធីត្រាប់តាម អ្នកអាចទំនាក់ទំនងជាមួយ bot និងពិនិត្យមើលសារដែលវាផ្ញើ និងទទួល។ កម្មវិធីត្រាប់តាមបង្ហាញសារ ដូចដែលពួកវានឹងបង្ហាញនៅក្នុងចំណុចប្រទាក់ជជែកតាមអ៊ីនធឺណិត ហើយកត់ត្រាសំណើ និងការឆ្លើយតបរបស់ JSON នៅពេលផ្ញើសារទៅកាន់ bot ។

ឧទាហរណ៍នៃការប្រើប្រាស់កម្មវិធីត្រាប់តាមត្រូវបានបង្ហាញនៅក្នុងការបង្ហាញនេះ ដែលបង្ហាញពីការបង្កើតជំនួយការនិម្មិតសម្រាប់ BMW។ វីដេអូនេះក៏និយាយអំពីឧបករណ៍បង្កើនល្បឿនថ្មីសម្រាប់បង្កើត chatbots - templates៖

https://youtu.be/u7Gql-ClcVA?t=564

អ្នកក៏អាចប្រើគំរូនៅពេលបង្កើត chatbots របស់អ្នក។ 
គំរូអនុញ្ញាតឱ្យអ្នកមិនសរសេរមុខងារ bot ស្តង់ដារម្តងទៀតទេប៉ុន្តែបន្ថែមកូដដែលត្រៀមរួចជាស្រេចជា "ជំនាញ" ។ ឧទាហរណ៍មួយអាចជាការធ្វើការជាមួយប្រតិទិន ធ្វើការណាត់ជួប។ល។ កូដនៃជំនាញដែលត្រៀមរួចជាស្រេច បានផ្សព្វផ្សាយ។ នៅលើ github ។

ការសាកល្បងបានជោគជ័យ បូតបានត្រៀមរួចរាល់ ហើយឥឡូវនេះវាត្រូវបោះផ្សាយ និងបណ្តាញភ្ជាប់។ ការបោះពុម្ពត្រូវបានអនុវត្តដោយប្រើ Azure ហើយអ្នកនាំសារឬបណ្តាញសង្គមអាចត្រូវបានប្រើជាបណ្តាញ។ ប្រសិនបើអ្នកមិនមានឆានែលដែលត្រូវការសម្រាប់ការបញ្ចូលទិន្នន័យ អ្នកអាចស្វែងរកវានៅក្នុងសហគមន៍ដែលត្រូវគ្នានៅលើ GitHab ។ 

ដូចគ្នានេះផងដែរដើម្បីបង្កើត chatbot ពេញលេញជាចំណុចប្រទាក់សម្រាប់ការទំនាក់ទំនងជាមួយអ្នកប្រើប្រាស់និងសេវាកម្មយល់ដឹង អ្នកនឹងត្រូវការសេវាកម្ម Azure បន្ថែមដូចជា databases, serverless (Azure Functions) ក៏ដូចជាសេវាកម្ម LogicApp និង ប្រហែលជា , ក្រឡាចត្រង្គព្រឹត្តិការណ៍។

ការវាយតម្លៃ និងការវិភាគ

ដើម្បីវាយតម្លៃអន្តរកម្មរបស់អ្នកប្រើ អ្នកអាចប្រើទាំងការវិភាគដែលភ្ជាប់មកជាមួយនៃសេវាកម្ម Azure Bot និងសេវាកម្ម Application Insights ពិសេស។

ជាលទ្ធផល អ្នកអាចប្រមូលព័ត៌មានដោយផ្អែកលើលក្ខណៈវិនិច្ឆ័យខាងក្រោម៖

• តើមានអ្នកប្រើប្រាស់ប៉ុន្មាននាក់បានចូលប្រើ bot ពីបណ្តាញផ្សេងៗក្នុងអំឡុងពេលដែលបានជ្រើសរើស។
• តើ​មាន​អ្នក​ប្រើ​ប៉ុន្មាន​នាក់​ដែល​បាន​ផ្ញើ​សារ​មួយ​ត្រឡប់​មក​ពេល​ក្រោយ ហើយ​ផ្ញើ​សារ​មួយ​ទៀត​។
• តើសកម្មភាពប៉ុន្មានត្រូវបានផ្ញើ និងទទួលដោយប្រើឆានែលនីមួយៗក្នុងអំឡុងពេលចន្លោះពេលជាក់លាក់។

ដោយប្រើ Application Insights អ្នកអាចតាមដានកម្មវិធីណាមួយនៅក្នុង Azure ហើយជាពិសេស chatbots ទទួលបានទិន្នន័យបន្ថែមអំពីអាកប្បកិរិយារបស់អ្នកប្រើ ការផ្ទុក និងប្រតិកម្ម chatbot ។ វាគួរតែត្រូវបានកត់សម្គាល់ថាសេវាកម្ម Application Insights មានចំណុចប្រទាក់ផ្ទាល់ខ្លួនរបស់វានៅក្នុងវិបផតថល Azure ។

អ្នកក៏អាចប្រើទិន្នន័យដែលប្រមូលបានតាមរយៈសេវាកម្មនេះ ដើម្បីបង្កើតការមើលឃើញបន្ថែម និងរបាយការណ៍វិភាគនៅក្នុង PowerBI ។ ឧទាហរណ៍នៃរបាយការណ៍ និងគំរូសម្រាប់ PowerBI អាចត្រូវបានគេយក នៅទីនេះ.

សូមអរគុណអ្នកទាំងអស់គ្នាសម្រាប់ការយកចិត្តទុកដាក់របស់អ្នក! នៅក្នុងអត្ថបទនេះយើងបានប្រើ សម្ភារៈ។ ពី webinar ដោយស្ថាបត្យករ Microsoft Azure Anna Fenyushina “នៅពេលដែលមនុស្សមិនមានពេល។ របៀបប្រើ chatbots និងសេវាកម្មយល់ដឹង 100% ដើម្បីធ្វើស្វ័យប្រវត្តិកម្មដំណើរការទម្លាប់" ដែលយើងបានបង្ហាញយ៉ាងច្បាស់នូវអ្វីដែល chatbots មាននៅក្នុង Azure និងអ្វីដែលជាសេណារីយ៉ូសម្រាប់ការប្រើប្រាស់របស់ពួកគេ ហើយក៏បានបង្ហាញពីរបៀបបង្កើត bot នៅក្នុង QnA Maker ក្នុងរយៈពេល 15 នាទី និងរបៀប រចនាសម្ព័ន្ធសំណួរត្រូវបានឌិគ្រីបនៅក្នុង LUIS ។ 

យើងបានធ្វើសិក្ខាសាលាលើបណ្តាញនេះជាផ្នែកមួយនៃការរត់ម៉ារ៉ាតុងអនឡាញសម្រាប់អ្នកអភិវឌ្ឍន៍ Dev Bootcamp ។ វាគឺអំពីផលិតផលដែលបង្កើនល្បឿននៃការអភិវឌ្ឍន៍ និងសម្រាលបន្ទុកការងារប្រចាំថ្ងៃមួយចំនួនពីបុគ្គលិកក្រុមហ៊ុន ដោយប្រើឧបករណ៍ស្វ័យប្រវត្តិកម្ម និងម៉ូឌុល Azure ដែលត្រៀមរួចជាស្រេចដែលបានកំណត់រចនាសម្ព័ន្ធជាមុន។ ការកត់ត្រានៃ webinars ផ្សេងទៀតដែលរួមបញ្ចូលនៅក្នុងការរត់ម៉ារ៉ាតុងមាននៅតំណភ្ជាប់ខាងក្រោម:

• Azure DevOps ជាមធ្យោបាយនៃការរៀបចំវដ្តនៃការអភិវឌ្ឍន៍ពេញលេញជាភាសាណាមួយ និងសម្រាប់វេទិកាណាមួយ ដោយប្រើការអនុវត្ត DevOps 
  យើងនិយាយអំពីការវិវត្តន៍ និងសមត្ថភាពថ្មីនៃសេវាកម្ម Azure DevOps ។ យើងវិភាគយ៉ាងលម្អិតនូវធាតុផ្សំសំខាន់ៗទាំងប្រាំរបស់វា និងរបៀបដែលសេវាកម្មជួយដល់ការរៀបចំការអភិវឌ្ឍន៍កម្មវិធីឧស្សាហកម្ម។ អ្នកធ្វើបទបង្ហាញ៖ Vladimir Gusarov Microsoft MVP ។
• ការរៀបចំ CI/CD ដោយប្រើ Azure Pipelines
  យើងពិចារណាពីរបៀបអនុវត្តវិធីសាស្រ្ត "assembly as code" សម្រាប់ភាសាសរសេរកម្មវិធីណាមួយដោយប្រើបំពង់ YAML ពហុដំណាក់កាល។ អ្នកធ្វើបទបង្ហាញ៖ Vladimir Gusarov Microsoft MVP ។
• ការអនុវត្តសម្រាប់ក្នុងពេលដំណាលគ្នាគាំទ្រកំណែជាច្រើននៃផលិតផលនៅក្នុងផលិតកម្មដោយប្រើ Azure Repos
  យើងពិភាក្សាអំពីរបៀបបង្កើតយុទ្ធសាស្រ្តសម្រាប់ការរក្សាទុកកូដប្រភពកម្មវិធី និងរបៀបប្រើប្រព័ន្ធផ្ទុកកំណែដោយប្រើ Azure Repos ។ អ្នកធ្វើបទបង្ហាញ៖ Vladimir Gusarov Microsoft MVP ។
• ប្រភព ស។ ការត្រួតពិនិត្យបណ្ណាល័យប្រភពបើកចំហដែលមានសុវត្ថិភាព 
  យើងណែនាំបច្ចេកទេសគ្រប់គ្រងប្រភពបើកចំហក្នុងការអភិវឌ្ឍន៍ និងការអនុវត្តជាក់ស្តែងនៃឧបករណ៍ WhiteSource ។ យើងនិយាយអំពីការស្វែងរកភាពងាយរងគ្រោះនៅក្នុងសមាសធាតុប្រភពបើកចំហ និងការរក្សាភាពបរិសុទ្ធនៃអាជ្ញាប័ណ្ណដោយប្រើ WhiteSource ។ អ្នកធ្វើបទបង្ហាញ៖ Diana Lisbaron នាយកផ្នែកលក់ WhiteSource និង Daria Oreshkina អ្នកគ្រប់គ្រងគេហទំព័រ អ្នកចែកចាយផ្លូវការរបស់ WhiteSource នៅប្រទេសរុស្ស៊ី។

ប្រភព: www.habr.com