Formação Processamento de Linguagem Natural, LLMs e Gen AI
Compre Agora
Saiba mais
1. Introdução
Apresentação
Introdução
Aplicações
Estrutura do Curso
Ambientes do Curso
Apresentação do Google Colab
Material do Curso para Download
2. Fundamentos de Processamento de Linguagem Natural
Conceitos Básicos
Word Embedding
Pipelines
3. NLP com Spacy
Introdução e Preparação
Produção de Tokens
Pos-Taggin e Dependências
Listando Entidades Nomeadas
Gerenciando Stop Words
Vocabulário
Buscando Similaridade
Busca de Expressões com Matching
Visualização com Displacy
Gerenciando Pipelines
4. NLP com NLTK
Introdução e Preparação
Produção de Tokens
Gerenciando Stop Words e Pontuação
Produzindo Métricas
Stemming na prática
Criando Pós-Taggin
Lemmatization na Prática
Busca de Entidades Nomeadas
5. Introdução a Machine Learning e Deep Learning
Introdução
Conceitos de Classificação
Regressão, Processo de Treino e Teste
Métricas para Avaliar Regressão
Agrupamentos e Sistemas de Recomendação
Operações de Machine Learning (MLOPS)
Outras Métricas para Classificação
Redes Neurais Artificiais
Funções de Ativação
Gradient Descent
Regularização e AutoML
Deep Learning
6. Machine Learning e Deep Learning para NLP na Prática
Introdução: classificação de texto
Classificação de Spam parte 1
Classificação de Spam parte 2
Classificação com Redes Neurais
Implementando uma Rede Neural Parte 1
Implementando uma Rede Neural Parte 2
Implementando uma Rede Neural Parte 3
Criando seu próprio Embeddings
Implementando uma Rede Neural com Embeddings Parte 1
Implementando uma Rede Neural com Embeddings Parte 2
7. Análise de Sentimentos
Introdução a Análise de Sentimentos
Exemplo prático com LSTM
LSTM parte I
LSTM parte II
LSTM parte III
VADER: Análise de Sentimento com Regras
VADER na Prática
Comparando Regras com Modelo Supervisionado
Regras VS Supervisionado Parte I
Regras VS Supervisionado Parte II
Regras VS Supervisionado Parte III
8. Transformers e Bert, Huggin Face, OpenAI com GPT
Introdução a Transformers
Introdução a Transformers Parte II
BERT
Variantes de BERT
Hugging Face
Modelos Pré-treinados
Aplicação de Perguntas e Respostas
Aplicação de Preenchimento de Lacunas
Aplicação de Resumos
Aplicação de Geração de Texto
Modelos GPT e OpenAI
GPT da OpenAI na Prática
9. Modelagem de Tópicos com BERT
Introdução a Modelagem de Tópicos
Documentos Utilizados no Projeto
Preparação do Ambiente
Processamento de Dados
Principais Hiper-parâmetros
Rodando o Modelo
Alterando o Modelo do Transformer
10. NLP com Spark
Introdução ao Spark
Etapas de Processamento
Preparando o Ambiente
Pré-Processamento
Criando e Avaliando o Modelo
Produtos
Curso
Seção
6. Machine Learning e Deep Learning para NLP na Prática
6. Machine Learning e Deep Learning para NLP na Prática
Formação Processamento de Linguagem Natural, LLMs e Gen AI
Compre Agora
Saiba mais
1. Introdução
Apresentação
Introdução
Aplicações
Estrutura do Curso
Ambientes do Curso
Apresentação do Google Colab
Material do Curso para Download
2. Fundamentos de Processamento de Linguagem Natural
Conceitos Básicos
Word Embedding
Pipelines
3. NLP com Spacy
Introdução e Preparação
Produção de Tokens
Pos-Taggin e Dependências
Listando Entidades Nomeadas
Gerenciando Stop Words
Vocabulário
Buscando Similaridade
Busca de Expressões com Matching
Visualização com Displacy
Gerenciando Pipelines
4. NLP com NLTK
Introdução e Preparação
Produção de Tokens
Gerenciando Stop Words e Pontuação
Produzindo Métricas
Stemming na prática
Criando Pós-Taggin
Lemmatization na Prática
Busca de Entidades Nomeadas
5. Introdução a Machine Learning e Deep Learning
Introdução
Conceitos de Classificação
Regressão, Processo de Treino e Teste
Métricas para Avaliar Regressão
Agrupamentos e Sistemas de Recomendação
Operações de Machine Learning (MLOPS)
Outras Métricas para Classificação
Redes Neurais Artificiais
Funções de Ativação
Gradient Descent
Regularização e AutoML
Deep Learning
6. Machine Learning e Deep Learning para NLP na Prática
Introdução: classificação de texto
Classificação de Spam parte 1
Classificação de Spam parte 2
Classificação com Redes Neurais
Implementando uma Rede Neural Parte 1
Implementando uma Rede Neural Parte 2
Implementando uma Rede Neural Parte 3
Criando seu próprio Embeddings
Implementando uma Rede Neural com Embeddings Parte 1
Implementando uma Rede Neural com Embeddings Parte 2
7. Análise de Sentimentos
Introdução a Análise de Sentimentos
Exemplo prático com LSTM
LSTM parte I
LSTM parte II
LSTM parte III
VADER: Análise de Sentimento com Regras
VADER na Prática
Comparando Regras com Modelo Supervisionado
Regras VS Supervisionado Parte I
Regras VS Supervisionado Parte II
Regras VS Supervisionado Parte III
8. Transformers e Bert, Huggin Face, OpenAI com GPT
Introdução a Transformers
Introdução a Transformers Parte II
BERT
Variantes de BERT
Hugging Face
Modelos Pré-treinados
Aplicação de Perguntas e Respostas
Aplicação de Preenchimento de Lacunas
Aplicação de Resumos
Aplicação de Geração de Texto
Modelos GPT e OpenAI
GPT da OpenAI na Prática
9. Modelagem de Tópicos com BERT
Introdução a Modelagem de Tópicos
Documentos Utilizados no Projeto
Preparação do Ambiente
Processamento de Dados
Principais Hiper-parâmetros
Rodando o Modelo
Alterando o Modelo do Transformer
10. NLP com Spark
Introdução ao Spark
Etapas de Processamento
Preparando o Ambiente
Pré-Processamento
Criando e Avaliando o Modelo
10 Lições
Introdução: classificação de texto
Classificação de Spam parte 1
Classificação de Spam parte 2
Classificação com Redes Neurais
Implementando uma Rede Neural Parte 1
Implementando uma Rede Neural Parte 2
Implementando uma Rede Neural Parte 3
Criando seu próprio Embeddings
Implementando uma Rede Neural com Embeddings Parte 1
Implementando uma Rede Neural com Embeddings Parte 2
