Mineracao de Emocao em Textos com Python e NLTK
What you’ll learn
Entenda os conceitos teóricos sobre mineração de textos
Aprenda passo a passo na prática como funciona um sistema para encontrar emoção em textos
Desenvolva seus próprios sistemas de aprendizado de máquina para classificar textos
Entenda como funciona o aprendizado de máquina (machine learning) aplicado em bases de dados textuais
Requirements
É recomendado conhecimentos básicos sobre lógica de programação
Não são necessários conhecimentos prévios sobre a linguagem Python ou sobre Inteligência Artificial
Se você tiver algum conhecimento sobre Python, conseguirá entender melhor a codificação
Description
A Mineração de Textos é uma das subáreas da Inteligência Artificial que tem como objetivo básico a busca por padrões e conhecimento útil em textos. O exemplo clássico dessa área são os filtros de spam muito utilizados nos sistemas de e-mail, os quais aplicam algoritmos de machine learning para identificar se uma mensagem é ou não é spam! Além disso, essas técnicas também podem ser utilizadas para classificação de notícias, ou seja, caso o sistema receba um conjunto de textos como entrada, os algoritmos podem identificar se são notícias sobre esporte, economia ou política; por exemplo.
Com o grande crescimento das redes sociais existe uma quantidade muito grande de texto disponível na web, os quais podem ser utilizados para identificar as emoções que as pessoas estão apresentando! E isso pode ser muito útil para empresas que desejam saber quão satisfeitos seus clientes estão com seus produtos e/ou serviços. Por exemplo, se uma pessoa compra uma nova televisão é possível medir seu grau de satisfação por meio das emoções transmitidas nos textos que essa pessoa escreve sobre a televisão! Dessa forma, a empresa pode conhecer melhor o perfil de seus clientes e tomar decisões estratégicas quanto ao seu posicionamento no mercado!
Baseado nisso, neste curso você terá uma visão teórica e prática de como funciona o processo de mineração de textos utilizando a técnica de classificação! É abordado um estudo de caso prático que mostra passo a passo como utilizar o algoritmo Naive Bayes para identificar emoções em frases, ou seja, informamos um texto qualquer para o sistema e o mesmo retorna qual emoção foi encontrada! Serão abordados os conceitos sobre classificação de textos, remoção de stops words, aplicação de algoritmos de stemming, teoria sobre o algoritmo Naive Bayes e finalmente a implementação do classificador de emoções. Além disso, também teremos um módulo no qual você aprenderá como avaliar o algoritmo construído e interpretar seus resultados. Com isso, você terá uma visão teórica e prática passo a passo de todas as etapas que envolvem a classificação de textos!
Utilizaremos a linguagem Python e a biblioteca NLTK (Natural Language Toolkit) para o desenvolvimento passo a passo do sistema inteligente, que são ferramentas muito importantes no cenário da Inteligência Artificial! E não há problema se você não conhece Python, pois os conceitos serão apresentados de forma que se você tem uma noção básica de lógica de programação conseguirá acompanhar as aulas tranquilamente. É importante salientar que este curso será melhor aproveitado por iniciantes na área de mineração de textos e que não conhecem os tópicos citados anteriormente, sendo considerado um material inicial para estudos mais avançados.
Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! 🙂
Overview
Section 1: Conteúdo do curso
Lecture 1 Conteúdo do curso
Lecture 2 Mais sobre Inteligência Artificial
Section 2: Mineração de textos e classificação
Lecture 3 Introdução ao módulo
Lecture 4 Mineração de textos I
Lecture 5 Mineração de textos II
Lecture 6 Mineração de emoção
Lecture 7 Classificação I
Lecture 8 Classificação II
Lecture 9 Classificação em textos
Section 3: Pré-processamento dos textos
Lecture 10 Introdução ao módulo
Lecture 11 Instalação das ferramentas
Lecture 12 Introdução ao NLTK
Lecture 13 Base de dados de frases
Lecture 14 Remoção de stop words
Lecture 15 Extração do radical das palavras (stemming)
Lecture 16 Listagem de todas as palavras da base
Lecture 17 Extração de palavras únicas
Lecture 18 Extração das palavras de cada frase
Lecture 19 Extração das palavras de todas as frases
Section 4: Detectando emoções em textos com o Naive Bayes
Lecture 20 Introdução ao módulo
Lecture 21 Naive Bayes I
Lecture 22 Naive Bayes II
Lecture 23 Naive Bayes III
Lecture 24 Naive Bayes em textos I
Lecture 25 Naive Bayes em textos II
Lecture 26 Classificando textos com o Naive Bayes I
Lecture 27 Classificando textos com o Naive Bayes II
Section 5: Avaliação do algoritmo
Lecture 28 Introdução ao módulo
Lecture 29 Avaliação de algoritmos I
Lecture 30 Avaliação de algoritmos II
Lecture 31 Base de dados de treinamento e teste
Lecture 32 Base de dados de treinamento
Lecture 33 Medindo a precisão do algoritmo
Lecture 34 Visualização dos erros do algoritmo
Lecture 35 Visualização da matriz de confusão
Lecture 36 Teste com duas classes
Lecture 37 Código fonte
Section 6: Considerações finais
Lecture 38 Considerações finais
Lecture 39 AULA BÔNUS
Pessoas interessadas em Inteligência Artificial e Mineração de Texto,Alunos que querem aprender passo a passo como funciona a área de classificação de textos
Course Information:
Udemy | Português | 5h 33m | 2.33 GB
Created by: Jones Granatyr
You Can See More Courses in the Developer >> Greetings from CourseDown.com