Processamento de Linguagem Natural

Nesse módulo você irá aprender os fundamentos de PLN, preparar e normalizar textos (tokenização, stop-words, stemming e lemmatization), dominar RegEx no Python, representar texto (BoW, N-grams e colocações) e aplicar tudo em um desafio final com relatório.

Vamos avaliar o que aprendemos?

Implemente um sistema de **Information Extraction** utilizando Python e a biblioteca `re`. O objetivo é automatizar a leitura de instrumentos particulares de acordo, identificando o tipo de template utilizado e extraindo dados críticos para o sistema de pagamentos da empresa. O processamento de documentos não estruturados é um pilar fundamental do NLP (Processamento de Linguagem Natural).

Neste módulo, partimos das representações clássicas em PLN e geramos dados estruturados para modelos. Exploramos o TF-IDF na classificação, mergulhamos no pós-tagging para desambiguação, aplicamos NER para extrair entidades e finalizamos com Hidden Markov Models, compreendendo suas tabelas e o algoritmo de Viterbi.

Vamos avaliar o nosso conhecimento?

Construir um pipeline de Processamento de Linguagem Natural para classificar o sentimento de notícias e extrair entidades estratégicas (Artistas, Gravadoras e Festivais). **Objetivo:** Aplicar técnicas de análise linguística e vetorização estatística para transformar textos não estruturados em insights estruturados sobre a indústria fonográfica.