Mineração de Emoção em Textos com Python e NLTK
4.8 (58 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
286 students enrolled
Wishlisted Wishlist

Please confirm that you want to add Mineração de Emoção em Textos com Python e NLTK to your Wishlist.

Add to Wishlist

Mineração de Emoção em Textos com Python e NLTK

Aprenda passo a passo e na prática como utilizar Inteligência Artificial e Machine Learning para Mineração de Textos!
4.8 (58 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
286 students enrolled
Created by Jones Granatyr
Last updated 8/2017
Portuguese
Current price: $10 Original price: $30 Discount: 67% off
5 hours left at this price!
30-Day Money-Back Guarantee
Includes:
  • 5.5 hours on-demand video
  • 3 Articles
  • 17 Supplemental Resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
What Will I 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 a oportunidade de negócio que a área de Inteligência Artificial pode trazer
  • Entenda como funciona o aprendizado de máquina (machine learning)
View Curriculum
Requirements
  • É recomendado conhecimentos básicos sobre lógica de programação, embora não seja um pré-requisito
  • Não são necessários conhecimentos prévios sobre a linguagem Python ou sobre Inteligência Artificial
  • Se você tiver conhecimentos 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.

Hoje em dia, 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! Com isso, você estará apto(a) a construir seus próprios sistemas de mineração de texto!

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 hoje em dia! 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.

Sobre Inteligência Artificial

Você sabia que a Inteligência Artificial (IA) é uma das área de TI que mais está crescendo e se expandindo no mundo? E que o conhecimento dessa área pode também abrir novas oportunidades de negócio? Veja só alguns fatos que foram noticiados recentemente pela mídia: a Apple reforçando os investimento em IA, a Microsoft criando uma unidade de pesquisa especializada em IA, o Uber e o Twitter comprando startups de IA, a Samsung adquirindo uma plataforma de IA, a Toyota, o Facebook, a IBM e o Google investindo muito dinheiro em pesquisas nessa área! Isso sem falar que no Vale do Silício profissionais com esses conhecimentos estão em alta e que a Acer já previu que 2017 será definitivamente o ano da Inteligência Artificial!

A tendência é que o campo de trabalho de IA se desenvolva cada vez mais e é praticamente certo que haverá um aquecimento muito grande no mercado, fazendo com que as empresas busquem profissionais qualificados para atuarem em projetos dessa área! Não tem mais como ficar de fora!

Todo o curso é 100% em vídeo aulas, tem direito a certificado e acesso vitalício! 

O professor Jones Granatyr é fundador do portal IA Expert, que é um site com conteúdo exclusivo e atualizado sobre IA. Ele também leciona para os cursos de graduação em Ciência da Computação e Sistemas de Informação há mais de 10 anos e é doutorando e mestre na área de Inteligência Artificial pela Pontifícia Universidade Católica do Paraná (PUCPR).

Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! :)

Who is the target audience?
  • Pessoas interessadas em Inteligência Artificial e Mineração de Texto
  • Pessoas que querem iniciar uma nova carreira em Inteligência Artificial
Students Who Viewed This Course Also Viewed
Curriculum For This Course
39 Lectures
05:35:10
+
Boas-vindas
1 Lecture 08:04

Neste vídeo você terá uma visão geral sobre o conteúdo que será abordado no curso

Preview 08:04
+
Mineração de textos e classificação
7 Lectures 01:10:02

Nesta aula será apresentada uma visão geral de todo o conteúdo que será abordado neste módulo

Introdução
02:39

Nesta aula você aprenderá os conceitos básicos sobre a mineração de textos

Preview 12:11

Nesta aula você aprenderá os conceitos básicos sobre a mineração de textos

Mineração de textos II
14:34

Nesta aula você terá uma introdução à mineração de emoção em textos

Mineração de emoção
07:44

Nesta aula você aprenderá com detalhes como funciona o processo de classificação

Classificação I
18:48

Nesta aula você aprenderá mais alguns detalhes sobre a tarefa de classificação

Classificação II
05:52

Nesta aula você aprenderá como funciona o processo de classificação, aplicado no cenário de mineração de textos

Classificação em textos
08:14
+
Pré-processamento dos textos
10 Lectures 01:06:18

Nesta aula você terá uma visão geral de todo o conteúdo que será abordado neste módulo

Introdução
03:00

Nesta aula serão apresentadas as ferramentas utilizadas neste curso

Instalação das ferramentas
05:45

Introdução ao NLTK
00:19

Nesta aula criaremos a base de dados de frases que utilizaremos como estudo de caso no nosso curso

Base de dados de frases
04:44

Nesta aula você aprenderá como remover as stop words das frases

Remoção de stop words
12:34

Nesta aula você aprenderá como utilizar a técnica de stemming para reduzir a dimensionalidade da base de dados de frases

Preview 10:44

Nesta aula implementaremos uma função para retornar todas as palavras que existem em nossa base de dados

Listagem de todas as palavras da base
05:36

Nesta aula faremos a extração das palavras únicas que existem em todos os textos da nossa base de dados

Extração de palavras únicas
09:36

Nesta aula criaremos uma função que recebe como parâmetro uma frase e retorna as palavras que estão presentes na frase

Extração das palavras de cada frase
05:50

Nesta aula você aprenderá como utilizar a função applyfeatures do NLTK para a criação da nossa base de dados final

Extração das palavras de todas as frases
08:10
+
Detectando emoções em textos com o Naive Bayes
8 Lectures 01:32:53

Neste vídeo você verá todo o conteúdo que será abordado neste módulo

Introdução
03:10

Nesta aula você aprenderá como funciona a aprendizagem no algoritmo Naive Bayes

Naive Bayes I
08:59

Nesta aula você aprenderá passo a passo como o Naive Bayes constrói uma tabela de probabilidades para aprender com os dados

Naive Bayes II
19:37

Nesta aula você verá como o Naive Bayes classifica novos registros

Naive Bayes III
14:29

Nesta aula você aprenderá como utilizar o Naive Bayes em bases de dados de textos

Naive Bayes em textos I
09:14

Nesta aula você aprenderá como o Naive Bayes classifica textos utilizando a tabela de probabilidade gerado no processo de aprendizagem

Naive Bayes em textos II
16:02

Nesta aula você vai aprender como utilizar o Naive Bayes com o NLTK

Classificando textos com o Naive Bayes I
07:03

Nesta aula você aprenderá como utilizar o Naive Bayes para classificar os textos em alegria ou medo

Preview 14:19
+
Avaliação do algoritmo
10 Lectures 01:29:57

Neste vídeo você terá uma visão geral do que será abordado neste módulo

Introdução
03:42

Nesta aula você aprenderá como é o processo para avaliação de algoritmos de aprendizagem de máquina

Avaliação de algoritmos I
10:13

Nesta aula você aprenderá como interpretar os dados da matriz de confusão

Avaliação de algoritmos II
17:19

Nesta aula veremos a divisão das bases de treinamento e teste das frases com seis emoções (alegria, surpresa, tristeza, desgosto, medo e raiva)

Base de dados de treinamento e teste
06:46

Nesta aula faremos alguns ajustes no código fonte para a utilização da nova base de dados de treinamento

Base de dados de treinamento
07:50

Nesta aula você aprenderá como utilizar as bases de treinamento e teste para medir a precisão do algoritmo

Medindo a precisão do algoritmo
16:46

Nesta aula faremos a implementação de uma codificação para visualizarmos quais frases o algoritmo está classificando de forma errada

Visualização dos erros do algoritmo
11:10

Nesta aula você aprenderá como visualizar os resultados do algoritmo utilizando a matriz de confusão

Visualização da matriz de confusão
10:09

Nesta aula faremos mais alguns experimentos utilizando somente duas classes (desgosto e tristeza) e depois adicionaremos mais a classe medo para comparação dos resultados do classificador

Teste com duas classes
05:59

Código fonte
00:03
+
Considerações finais
3 Lectures 07:55

Nesta aula revisaremos todo o conteúdo visto no curso

Considerações finais
03:17

Neste vídeo eu mostro o meu site, minha página do Facebook e o canal do Youtube caso você queira saber mais sobre Inteligência Artificial

Saber mais sobre Inteligência Artificial
04:35

Cupons de desconto
00:03
About the Instructor
Jones Granatyr
4.7 Average rating
370 Reviews
2,130 Students
8 Courses
Professor

JonesGranatyr é professor, pesquisador e fundador do portal IA Expert. É doutorando (bolsista CAPES) e mestre (bolsista CNPq) em Ciência da Computação com ênfase em Inteligência Artificial, já tendo trabalhado há mais de 08 anos nesta área. No mestrado trabalhou dentro do contexto do projeto PAI-L (Piloto Automático Inteligente para Locomotivas) financiado pela FINEP, o qual teve como objetivo o desenvolvimento de um software inteligente para condução de locomotivas de carga. Possui especialização em Segurança em Redes de Computadores e Banco de Dados Distribuídos e graduação em Sistemas de Informação. Trabalha em projetos de pesquisa relacionados a área Inteligência Artificial, tais como Sistemas Especialistas, Mineração de Dados, Mineração de Textos, Sistemas Multiagente, Aprendizagem de Máquina e Computação Afetiva. Entre os anos de 2011 e 2012 foi bolsista de produtividade nível B1 do CNPq, trabalhando com Raciocínio Baseado em Casos no software JUSTINIA (Justiça Inteligente Apoiada em Inteligência Artificial). É membro do grupo de pesquisa de Agentes de Software da Pontifícia Universidade Católica do Paraná e assistente de pesquisa no GAIPS (Intelligent Agents and Synthetic Characters Group) da Universidade de Lisboa/Portugal. Seu principal objetivo é ajudar profissionais de TI a entenderem como a Inteligência Artificial pode ser aplicada em âmbito comercial, para que esses profissionais possam visualizar novas oportunidades de negócios.