Programação de PLN na prática
Processamento de linguagem natural não é um assunto simples. O caminho entre entender o conceito e escrever código funcional costuma ser longo — e a maioria dos materiais não percorre esse caminho junto com você.
Aqui, cada aula parte de um problema real. Você vê o raciocínio, o código e o resultado — sem pular etapas.
O que os números mostram
Dados coletados ao longo de anos de operação — sem arredondamentos convenientes.
Cada módulo cobre uma técnica específica — de tokenização a modelos de sequência com atenção.
NLTK, spaCy, Transformers, Gensim, FastText e Hugging Face — com exemplos reais em cada uma.
Projetos com dados reais, decisões documentadas e código comentado linha a linha.
Exemplos em português, inglês, espanhol e francês — para quem trabalha com texto multilíngue.
O que está disponível
Uma seleção de trilhas — não um catálogo exaustivo. Cada trilha tem um ponto de partida claro e um destino definido.
Fundamentos de texto
Pré-processamento, normalização e representação vetorial. O ponto de partida para qualquer pipeline de PLN.
Análise de sentimento
Classificação de polaridade com dados reais de avaliações em português e inglês.
Reconhecimento de entidades
NER com spaCy e modelos fine-tuned — incluindo entidades em textos jurídicos e jornalísticos.
Embeddings e similaridade
Word2Vec, FastText e sentence embeddings para busca semântica e agrupamento de documentos.
Como uma trilha funciona
O que fica depois das aulas
Assistir a uma aula e conseguir reproduzir o código semanas depois são coisas diferentes. O material aqui foi estruturado para ser consultado — não apenas consumido uma vez.
Cada notebook de projeto fica acessível permanentemente. Você pode voltar ao raciocínio original quando estiver resolvendo um problema novo no trabalho.
Cada aula gera um arquivo que documenta o raciocínio — não só o resultado final.
O conteúdo não desaparece após um período. Você acessa quando precisar rever algo.
Quando uma biblioteca muda de versão, o material é atualizado — sem custo adicional.
Não emitimos certificados por conclusão de módulo. O que vale é o que você consegue fazer.
O que muda quando você termina
Não existe uma cerimônia. Existe um ponto em que você percebe que consegue resolver problemas que antes pareciam opacos.
"Fui direto ao módulo de NER porque precisava extrair entidades de contratos. Levei dois dias para adaptar o código ao meu caso específico — mas consegui, sem precisar de ajuda externa."
— Valdirene Queirós, desenvolvedora de softwareLeitura de código de terceiros
Você consegue abrir um repositório de PLN no GitHub e entender o que está acontecendo — sem precisar rodar tudo para descobrir.
Estimativa realista de esforço
Saber quanto tempo um pipeline de classificação leva para sair do protótipo para produção é conhecimento que vem da prática — não da teoria.
Escolha fundamentada de ferramentas
Quando alguém pergunta "por que spaCy e não NLTK aqui?" — você tem uma resposta concreta, não uma preferência pessoal.
