O curso apresenta os fundamentos do Processamento de Linguagem Natural (PLN), abordando suas principais técnicas, aplicações e importância na análise de dados textuais. Os participantes aprenderão métodos de pré-processamento de textos, incluindo limpeza de dados, correção ortográfica, tokenização, reconhecimento de entidades nomeadas (NER), remoção de stopwords, lematização, stemming e vetorização por TF-IDF. O conteúdo também contempla a análise de sentimentos por meio de algoritmos de classificação e técnicas de machine learning, além do estudo de word embeddings, modelos de linguagem como Word2Vec e arquiteturas baseadas em transformers, incluindo BERT e suas variantes. Por fim, serão explorados os Large Language Models (LLMs), suas aplicações, técnicas de prompt engineering e a abordagem Retrieval-Augmented Generation (RAG), proporcionando uma visão atual das principais tecnologias em inteligência artificial aplicada ao processamento de linguagem.
Ao final do curso, você será capaz de aplicar diferentes técnicas de processamento de linguagem natural para a
resolução de problemas de negócio utilizando bases de dados textuais. E ainda, diferentes linguagens de programação para solução de problemas de Data Science. Assim como, implementar técnicas de machine learning e deep learning para otimização e solução de problemas reais.
