Aprenda a tratar, representar e modelar textos com métodos clássicos e modernos de NLP.
As aulas dessa trilha estão sendo gravadas pra te trazer o que há de mais atual no mercado. Seu certificado estará disponível assim que a trilha completa estiver totalmente liberada na plataforma.
O Processamento de Linguagem Natural (PLN/NLP) é essencial para transformar textos — emails, chats, documentos e redes sociais — em informação acionável, automatizando análise, busca, classificação e extração de conhecimento. Ele permite que sistemas “entendam” linguagem humana e apoiem decisões com escala e consistência.
Neste curso, você irá aprender a trabalhar com textos de forma estruturada no PLN, entendendo o que cada técnica faz, quando usar e quais são as limitações. Você começa pelos fundamentos do processamento de texto — ciclo de vida dos dados, tokenização, stemming, lematização, remoção de stop words e normalização — e aprende a usar RegEx para extrair, validar e manipular padrões em dados textuais.
Na sequência, você irá aplicar abordagens clássicas do dia a dia, como Bag of Words e TF‑IDF, além de explorar tarefas centrais do PLN, como POS tagging e reconhecimento de entidades (NER). Você também terá contato com modelos probabilísticos como HMM e irá treinar modelos supervisionados para classificação de texto, como Naive Bayes, Regressão Logística e SVM, com foco em pré-processamento, vetorização, treino e avaliação.
Ao concluir, você terá uma visão completa do caminho do PLN — de técnicas baseadas em regras e métodos estatísticos até embeddings (LDA, Word2Vec, GloVe), deep learning (RNN, GRU, LSTM, Seq2Seq) e os fundamentos de Attention e Transformers, entendendo a base por trás de modelos como BERT e LLMs — e estará preparado para comparar abordagens e tomar decisões técnicas com mais segurança.
O Processamento de Linguagem Natural (PLN/NLP) é essencial para transformar textos — emails, chats, documentos e redes sociais — em informação acionável, automatizando análise, busca, classificação e extração de conhecimento. Ele permite que sistemas “entendam” linguagem humana e apoiem decisões com escala e consistência.
Neste curso, você irá aprender a trabalhar com textos de forma estruturada no PLN, entendendo o que cada técnica faz, quando usar e quais são as limitações. Você começa pelos fundamentos do processamento de texto — ciclo de vida dos dados, tokenização, stemming, lematização, remoção de stop words e normalização — e aprende a usar RegEx para extrair, validar e manipular padrões em dados textuais.
Na sequência, você irá aplicar abordagens clássicas do dia a dia, como Bag of Words e TF‑IDF, além de explorar tarefas centrais do PLN, como POS tagging e reconhecimento de entidades (NER). Você também terá contato com modelos probabilísticos como HMM e irá treinar modelos supervisionados para classificação de texto, como Naive Bayes, Regressão Logística e SVM, com foco em pré-processamento, vetorização, treino e avaliação.
Ao concluir, você terá uma visão completa do caminho do PLN — de técnicas baseadas em regras e métodos estatísticos até embeddings (LDA, Word2Vec, GloVe), deep learning (RNN, GRU, LSTM, Seq2Seq) e os fundamentos de Attention e Transformers, entendendo a base por trás de modelos como BERT e LLMs — e estará preparado para comparar abordagens e tomar decisões técnicas com mais segurança.
Horas de estudo
Aprox. 20h
Aulas
80 aulas em 10h 21min
Alunos desta trilha
1
Nível de dificuldade
Intermediário
