oabai/digicactus_moroccan_travel_guide

🇲🇦 🤖 MoroccanTourismAgent - Fine-tuned Mistral 7B Model 🤖 🇲🇦

DIGICACTUS Generative AI Fine-tuning LLMs with LoRA

Description
MoroccanTourismAgent est un modèle de langage fine-tuné basé sur Mistral 7B, conçu pour répondre à toutes les questions liées au tourisme au Maroc. Utilisant un dataset riche en informations sur les destinations touristiques marocaines, ce modèle sert d’agent conversationnel pour aider les voyageurs à planifier et organiser leurs séjours dans le pays.

Caractéristiques

• Agent Conversationnel : Répond de manière interactive aux questions sur les lieux d’intérêt, la culture, la gastronomie, et les options de transport au Maroc.

• Planification Personnalisée : Aide à organiser des itinéraires de voyage personnalisés en proposant des recommandations d’hôtels, de restaurants, d’activités, et de destinations.

• Connaissances Locales : Donne des réponses précises et enrichies sur l’histoire, la géographie, et les traditions marocaines, basées sur des sources locales fiables.

• Multilingue : Capable de répondre en plusieurs langues, y compris l'anglais, le français, et l'arabe, afin de s'adapter à un public international.

• Developed by: Digicactus

• Funded by [optional]: [More Information Needed]

• Shared by [optional]: [More Information Needed]

• Model type: [More Information Needed]

• Language(s) (NLP): [More Information Needed]

• License: [More Information Needed]

• Finetuned from model [optional]: [More Information Needed]

Architecture du Modèle

• Modèle de Base : Mistral 7B
• Dataset pour le Fine-tuning : Un dataset spécialisé, composé de sources sur le tourisme marocain, incluant des guides de voyage, des blogs, et des ressources locales.
• Objectif : Offrir une assistance fiable et en temps réel pour améliorer l’expérience de voyage au Maroc en fournissant des recommandations et des informations précises.

Comment Utiliser

1. Installer les Dépendances : Assurez-vous d’avoir installé les librairies nécessaires :

   pip install transformers torch
   

2. Charger le Modèle : Utilisez la librairie transformers pour charger le modèle MoroccanTourismAgent :

   from transformers import AutoTokenizer, AutoModelForCausalLM
   
   tokenizer = AutoTokenizer.from_pretrained("path_to_model")
   model = AutoModelForCausalLM.from_pretrained("path_to_model")
   
   input_text = "Quels sont les meilleurs endroits à visiter à Marrakech ?"
   inputs = tokenizer(input_text, return_tensors="pt")
   outputs = model.generate(**inputs)
   response = tokenizer.decode(outputs[0], skip_special_tokens=True)
   
   print(response)
   

3. Poser des Questions : Posez des questions en langage naturel liées au tourisme au Maroc, telles que :

   • "Quel est le meilleur moment pour visiter la vallée de l'Ourika ?"
   • "Quelles sont les activités à ne pas manquer à Essaouira ?"
   • "Comment se rendre de Casablanca à Rabat en train ?"

Exemples de Requêtes

• Destinations : "Quels sont les sites touristiques incontournables au Maroc ?"
• Transport : "Quels sont les moyens de transport pour voyager entre les villes marocaines ?"
• Hébergement : "Recommandez-moi des riads à Marrakech avec une vue sur la médina."
• Activités : "Quelles sont les meilleures excursions à faire dans le désert marocain ?"

Informations sur le Dataset

Le dataset utilisé pour fine-tuner le modèle provient de multiples sources :

• Guides de voyage marocains et sites web spécialisés en tourisme.
• Blogs et forums de voyage sur les expériences au Maroc.
• Données culturelles et géographiques pour enrichir les réponses sur l’histoire et la culture marocaine.

Applications

• Agences de Voyages : Utilisez cet agent pour fournir une assistance personnalisée aux clients en temps réel et planifier leurs voyages au Maroc.
• Plateformes Touristiques : Intégrez cet agent conversationnel dans vos sites web ou applications pour offrir un service d’aide au voyage en ligne.
• Voyageurs Individuels : Utilisez cet agent pour obtenir des recommandations précises sur les destinations et planifier votre séjour au Maroc.

Améliorations Futures

• Étendre le dataset pour inclure des destinations moins connues et des expériences de voyage uniques.
• Ajouter des fonctionnalités vocales pour un assistant conversationnel plus immersif.
• Optimiser le modèle pour répondre à des requêtes complexes sur les itinéraires multi-destinations.

License

Ce projet est sous licence MIT.