Seu Estado
Não Matriculado
Preço
Assinantes

O que você aprenderá

  • Entenda os conceitos teóricos sobre mineração de textos
  • Aprenda passo a passo na prática como funciona um sistema para encontrar emoção em textos
  • Desenvolva seus próprios sistemas de aprendizado de máquina para classificar textos
  • Entenda como funciona o aprendizado de máquina (machine learning) aplicado em bases de dados textuais

Requisitos

  • É recomendado conhecimentos básicos sobre lógica de programação
  • Não são necessários conhecimentos prévios sobre a linguagem Python ou sobre Inteligência Artificial
  • Se você tiver algum conhecimento sobre Python, conseguirá entender melhor a codificação

Descrição

A Mineração de Textos é uma das subáreas da Inteligência Artificial que tem como objetivo básico a busca por padrões e conhecimento útil em textos. O exemplo clássico dessa área são os filtros de spam muito utilizados nos sistemas de e-mail, os quais aplicam algoritmos de machine learning para identificar se uma mensagem é ou não é spam! Além disso, essas técnicas também podem ser utilizadas para classificação de notícias, ou seja, caso o sistema receba um conjunto de textos como entrada, os algoritmos podem identificar se são notícias sobre esporte, economia ou política; por exemplo.

Com o grande crescimento das redes sociais existe uma quantidade muito grande de texto disponível na web, os quais podem ser utilizados para identificar as emoções que as pessoas estão apresentando! E isso pode ser muito útil para empresas que desejam saber quão satisfeitos seus clientes estão com seus produtos e/ou serviços. Por exemplo, se uma pessoa compra uma nova televisão é possível medir seu grau de satisfação por meio das emoções transmitidas nos textos que essa pessoa escreve sobre a televisão! Dessa forma, a empresa pode conhecer melhor o perfil de seus clientes e tomar decisões estratégicas quanto ao seu posicionamento no mercado!

Baseado nisso, neste curso você terá uma visão teórica e prática de como funciona o processo de mineração de textos utilizando a técnica de classificação! É abordado um estudo de caso prático que mostra passo a passo como utilizar o algoritmo Naive Bayes para identificar emoções em frases, ou seja, informamos um texto qualquer para o sistema e o mesmo retorna qual emoção foi encontrada! Serão abordados os conceitos sobre classificação de textos, remoção de stops words, aplicação de algoritmos de stemming, teoria sobre o algoritmo Naive Bayes e finalmente a implementação do classificador de emoções. Além disso, também teremos um módulo no qual você aprenderá como avaliar o algoritmo construído e interpretar seus resultados. Com isso, você terá uma visão teórica e prática passo a passo de todas as etapas que envolvem a classificação de textos!

Utilizaremos a linguagem Python e a biblioteca NLTK (Natural Language Toolkit) para o desenvolvimento passo a passo do sistema inteligente, que são ferramentas muito importantes no cenário da Inteligência Artificial! E não há problema se você não conhece Python, pois os conceitos serão apresentados de forma que se você tem uma noção básica de lógica de programação conseguirá acompanhar as aulas tranquilamente. É importante salientar que este curso será melhor aproveitado por iniciantes na área de mineração de textos e que não conhecem os tópicos citados anteriormente, sendo considerado um material inicial para estudos mais avançados.

Para quem é este curso

  • Pessoas interessadas em Inteligência Artificial e Mineração de Texto
  • Alunos que querem aprender passo a passo como funciona a área de classificação de textos

Conteúdo do Curso

Expandir
Conteúdo da Lição
0% Completo 0/1 Passos

Avaliações e Comentários

4.7
Avaliação média
233 Avaliações
5
179
4
40
3
12
2
2
1
0
Qual foi a sua experiência com esse curso? Conte para nós!
Tiago Dutra Galvão
Publicado 4 meses atrás
Bom curso!

Boa didática e explicação.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 5 meses atrás
por Edmar Augusto Yokome

Muito boa!

×
Preview Image
Matheus Pfeifer
Publicado 7 meses atrás
Boa base teórica

O curso foi muito bom na parte da explicação teórica de PLN, NLTK e do algoritmo de Naive Bayes. Acho que poderia ter uma base de dados mais robusta para avaliação, pois a apresentada é bem genérica e não representa algo próximo do mundo real, e também a organização do código ficou a desejar.

×
Preview Image
Sergio Terzella
Publicado 8 meses atrás
Curso muito bom

Gostei da parte prática, no entanto, seria mais didático e animador colocar exemplo cuja avaliação do algoritmo fosse boa ou excelente.

×
Preview Image
Josias Silva Siqueira
Publicado 10 meses atrás
otimo curso

otimo curso

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 11 meses atrás
por Jander Amorim da Costa

muito bom ótimo

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 12 meses atrás
por Afrânio de Oliveira Silva

Muito inicial

×
Preview Image
GABRIEL CONSTANTIN DA SILVA
Publicado 1 ano atrás
Bom equilíbrio entre teoria e prática!

O curso traz uma boa explicação do Naive Bayes e mostra sua aplicação ponta-a-ponta.

×
Preview Image
JORGE LUIZ DE MORAES FONSECA
Publicado 1 ano atrás
Curso muito bom e prático! Parabens!

O curso foi muito proveitoso, principalmente no processamento do texto a ser analisado, pormeio da biblioteca do NLTK. Curso objetivo e bem elaborado. Parabéns.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 1 ano atrás
por Fábio Simões

Achei o curso muito bom. As explicações de como o algorítimo Naive Bayes funciona, por exemplo, é feita de forma simples e clara.

×
Preview Image
Mostrar mais avaliações
Qual foi a sua experiência com esse curso? Conte para nós!