Name: Curso prático Hands on: Processamento de Linguagem Natural (NLP)
Brand: IA-Labs
SKU: 376

No curso Hands on: Processamento de Linguagem Natural (NLP) você se qualifica para entender como a tecnologia trabalha o significado literal de cada palavra que está sendo dita e como considera aspectos como: contexto da conversa, significados sintáticos e semânticos, interprete os textos, análise de sentimentos entre outros. Venha conhecer os recursos de Inteligência Artificial e capacidade para implementar outras estruturas computacionais de modo 100% EaD e assíncrono. O curso foi desenvolvido com metodologia Hands On - "mão na massa" ou "aprender fazendo". É totalmente prático, com tópicos que, durante todo processo de ensino, os alunos são desafiados em uma série de cenários cada vez mais complexos, uma intensa experiência imersiva em linguagem de programação (python) extremamente aplicável a situações do mundo real. Transforme o mundo da Inteligência Artificial com Hands on em Processamento de Linguagem Natural (NLP). Vem conosco e entre em modo IA-Labs. Início do curso: Imediato após a confirmação do pagamento. Nível: Avançado. Carga horária: 80 horas. 100% da carga horária do curso é ofertada na modalidade a Distância - EaD (online), ou seja, sem aula presencial, no formato autoinstrucional (sem o acompanhamento do tutor). Duração: Você terá 180 dias para concluir o curso após a realização da matrícula. (Após este período o seu acesso será suspenso). Certificado: O concluinte que obtiver aproveitamento mínimo de 60% receberá o certificado de Hands on: Processamento de Linguagem Natural (NLP), no e-mail cadastrado, em até 05 dias. Horário de realização: Na modalidade EaD você tem a flexibilidade de estudar de acordo com a sua disponibilidade, de dia e horário para estudo. Por meio de uma plataforma de ensino, será disponibilizado pelo IA-Labs o material didático (conteúdo apostilado, vídeos para aprendizado teórico complementar e/ou ilustrações personalizadas, entre outros). Após a realização da matrícula o curso estará disponível em Portal IA-Labs e os dados de acesso encaminhados para o e-mail informado na matrícula. Para concluir o curso você deverá realizar o estudo do material (didático e teórico complementar) e concluir um questionário base “Quizz”, com desempenho mínimo de 60%.

Projetos práticos (casos de uso) do nível iniciante ao avançado com bases de dados públicas - Kaggle, uma subsidiária da Google LLC. De forma detalhada:

Uso de modelos BERT em tópicos contextualizados
Uso de modelos BERT Multi-Lingual com ZeroShotTM
Inferência com Wav2Vec2 em Reconhecimento de Fala
Uso de transformadores SPECTER com EMNLP para pesquisar artigos
Como gerar texto usando diferentes metodos de decodificação
Geração texto usando GPT-Neo
Transformador transferência Google Text-To-Text
Usando modelos BART parafraseamento transformadores simples
Uso de Transformer-XL combinando transformadores RNNs
Triagem em arquivos de texto
Reconhecimento de Entidade Nomeada (NER)
Análise de sentimentos com linguistica computacional
Recuperação de informação e extração de palavras-chave
Correção ortográfica em TextBlob
Autocorreção de texto com TextDistance
Resumir texto com TextRank não supervisionado
Detecção de discurso de ódio
Pesquisa de palavra-chave no GoogleTrends
Análise de sentimento com Twitter com modelo NaiveBayes

Informações adicionaisO que é Processamento de Linguagem Natural (NLP)? O processamento de linguagem natural é uma área dentro da Inteligência Artificial (IA) que se dedica a desenvolver a capacidade da tecnologia em entender a linguagem dos seres humanos (dados de texto ou voz). O NLP serve como um tradutor que permite que a tecnologia entenda o usuário mesmo ele usando a linguagem natural. Por exemplo:

os sistemas de inteligência artificial de nosso smartphone (a SIRI do IOS, por exemplo);
o chatbot de uma empresa com a qual nos relacionamos;
a assistente virtual da Amazon - Alexa, entre outros.

Como o NLP trabalha? O NLP combina linguística computacional – modelagem baseada em regras da linguagem humana – com modelos estatísticos, de aprendizado de máquina e de aprendizado profundo. Juntas, essas tecnologias permitem que os computadores processem a linguagem humana na forma de dados de texto ou voz e "entendam" seu significado completo, completo com a intenção e o sentimento do orador ou escritor. Casos de uso em NLP: O processamento de linguagem natural é a força motriz por trás da inteligência da máquina em muitas aplicações modernas do mundo real. Aqui estão alguns exemplos:

Detecção de spam: você pode não pensar na detecção de spam como uma solução de NLP, mas as melhores tecnologias de detecção de spam usam os recursos de classificação de texto da NLP para verificar e-mails em busca de linguagem que geralmente indica spam ou phishing.
Tradução automática: o Google Tradutor é um exemplo de tecnologia de NLP amplamente disponível no trabalho. A tradução eficaz captura com precisão o significado e o tom do idioma de entrada e traduzi-lo para o texto com o mesmo significado e impacto desejado no idioma de saída.
Agentes virtuais: temos a Siri da Apple e a Alexa da Amazon que usam o reconhecimento de fala para reconhecer padrões em comandos de voz e geração de linguagem natural para responder com ações apropriadas ou comentários úteis.
Chatbots: realizam a uma 'mágica' em resposta a entradas de texto digitadas. Os melhores deles também aprendem a reconhecer pistas contextuais sobre solicitações humanas e usá-las para fornecer respostas ou opções ainda melhores ao longo do tempo.
Análise de sentimento de mídia social: a NLP tornou-se uma ferramenta de negócios essencial para descobrir insights de dados ocultos de canais de mídia social. A análise de sentimentos pode analisar a linguagem usada em postagens de mídia social, respostas, avaliações e muito mais para extrair atitudes e emoções em resposta a produtos, promoções e eventos – informações que as empresas podem usar em designs de produtos, campanhas publicitárias e muito mais.
Sumarização de texto: a sumarização de texto usa técnicas de NLP para digerir grandes volumes de texto digital e criar resumos e sinopses para índices, bancos de dados de pesquisa ou leitores ocupados que não têm tempo para ler o texto completo. Os melhores aplicativos de resumo de texto usam raciocínio semântico e geração de linguagem natural (NLG) para adicionar contexto e conclusões úteis aos resumos.