In today's technological landscape, the exponential growth of artificial intelligence technologies has radically transformed the way companies interact with their customers. In particular, Retrieval-Augmented Generation (RAG) platforms and Large Language Models (LLMs) have opened up new opportunities to improve the effectiveness and efficiency of automated interactions, enabling the creation of advanced chatbots capable of understanding and responding to user requests in an increasingly natural and contextual manner. SyncLab has recognized the potential of these technologies and sought to explore this field through various internship projects, including mine. During my internship, I had the opportunity to conduct a detailed analysis of current RAG platforms and specific LLMs that met certain constraints, as well as their integration into a web application via their respective APIs. The main objective of the project was to develop practical skills in implementing a specialized chatbot capable of understanding and responding to user requests in specific contexts, with a particular focus on fitness assistance. Additionally, I implemented additional functionalities in the web app to allow for the automatic creation of personalized training and dietary plans for users through interaction with the developed RAG platform. This document presents the work carried out and the conclusions drawn from the study conducted during the internship period.

Nel panorama tecnologico odierno, la crescita esponenziale delle tecnologie nell'ambito dell'intelligenza artificiale ha trasformato radicalmente il modo in cui le aziende interagiscono con i loro clienti. In particolare, le piattaforme di Retrieval-Augmented Generation (RAG) e i Large Language Model (LLM) hanno aperto nuove opportunità per migliorare l’efficacia e l’efficienza delle interazioni automatizzate, permettendo la creazione di chatbot avanzati in grado di comprendere e rispondere alle richieste degli utenti in maniera sempre più naturale e contestuale. SyncLab ha riconosciuto il potenziale di queste tecnologie e ha voluto approfondire questo campo attraverso vari progetti di stage, incluso il mio. Durante il mio stage, ho avuto l’opportunità di condurre un’analisi dettagliata delle attuali piattaforme di RAG e di alcuni LLM che rispettassero specifici vincoli, oltre alla loro integrazione in una web application tramite le relative API. L’obiettivo principale del progetto era sviluppare competenze pratiche nell’implementazione di un chatbot specializzato, capace di comprendere e rispondere alle richieste degli utenti in contesti specifici, con un focus particolare sull’assistenza fitness. Inoltre, ho implementato funzionalità aggiuntive nella web app per consentire la creazione automatica di piani di allenamento e piani alimentari personalizzati per gli utenti tramite l’interazione con la piattaforma di RAG sviluppata. Questo documento presenta il lavoro svolto e le conclusioni emerse dallo studio effettuato durante il periodo di stage.

RAG/LLM fitness assistant: sviluppo con Spring ed Angular

VEDOVATO, ALEX
2023/2024

Abstract

In today's technological landscape, the exponential growth of artificial intelligence technologies has radically transformed the way companies interact with their customers. In particular, Retrieval-Augmented Generation (RAG) platforms and Large Language Models (LLMs) have opened up new opportunities to improve the effectiveness and efficiency of automated interactions, enabling the creation of advanced chatbots capable of understanding and responding to user requests in an increasingly natural and contextual manner. SyncLab has recognized the potential of these technologies and sought to explore this field through various internship projects, including mine. During my internship, I had the opportunity to conduct a detailed analysis of current RAG platforms and specific LLMs that met certain constraints, as well as their integration into a web application via their respective APIs. The main objective of the project was to develop practical skills in implementing a specialized chatbot capable of understanding and responding to user requests in specific contexts, with a particular focus on fitness assistance. Additionally, I implemented additional functionalities in the web app to allow for the automatic creation of personalized training and dietary plans for users through interaction with the developed RAG platform. This document presents the work carried out and the conclusions drawn from the study conducted during the internship period.
2023
RAG/LLM fitness assistant: development with Spring and Angular
Nel panorama tecnologico odierno, la crescita esponenziale delle tecnologie nell'ambito dell'intelligenza artificiale ha trasformato radicalmente il modo in cui le aziende interagiscono con i loro clienti. In particolare, le piattaforme di Retrieval-Augmented Generation (RAG) e i Large Language Model (LLM) hanno aperto nuove opportunità per migliorare l’efficacia e l’efficienza delle interazioni automatizzate, permettendo la creazione di chatbot avanzati in grado di comprendere e rispondere alle richieste degli utenti in maniera sempre più naturale e contestuale. SyncLab ha riconosciuto il potenziale di queste tecnologie e ha voluto approfondire questo campo attraverso vari progetti di stage, incluso il mio. Durante il mio stage, ho avuto l’opportunità di condurre un’analisi dettagliata delle attuali piattaforme di RAG e di alcuni LLM che rispettassero specifici vincoli, oltre alla loro integrazione in una web application tramite le relative API. L’obiettivo principale del progetto era sviluppare competenze pratiche nell’implementazione di un chatbot specializzato, capace di comprendere e rispondere alle richieste degli utenti in contesti specifici, con un focus particolare sull’assistenza fitness. Inoltre, ho implementato funzionalità aggiuntive nella web app per consentire la creazione automatica di piani di allenamento e piani alimentari personalizzati per gli utenti tramite l’interazione con la piattaforma di RAG sviluppata. Questo documento presenta il lavoro svolto e le conclusioni emerse dallo studio effettuato durante il periodo di stage.
RAG
LLM
Web
Spring
Angular
File in questo prodotto:
File Dimensione Formato  
Vedovato_Alex.pdf

accesso aperto

Dimensione 3.71 MB
Formato Adobe PDF
3.71 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/68866