Screecheeing

Processamento de Linguagem Natural na Prática

Linguagem é o dado mais abundante que existe — e o menos estruturado. Aprender a trabalhar com texto de forma programática exige tanto rigor técnico quanto sensibilidade para o que as palavras realmente significam em contexto. Este curso parte dessa tensão e constrói ferramentas reais a partir dela.

Falar com um especialista Sobre o programa

Programação de processamento de linguagem natural — ambiente de trabalho com código e análise textual

8 módulos

Do pré-processamento de texto até modelos de linguagem com transformers — progressão linear, sem saltos.

34 aulas

Cada aula resolve um problema concreto: tokenização, análise de sentimentos, extração de entidades, geração de texto.

3 idiomas

Exemplos em português, inglês e espanhol — porque modelos de PLN raramente funcionam em apenas uma língua.

O que este curso cobre de fato

Texto bruto não é dado. É ruído com estrutura escondida.

Antes de qualquer modelo, é preciso entender como o texto se comporta: encoding, normalização, segmentação por idioma, tratamento de ambiguidade. O curso dedica os primeiros dois módulos exclusivamente a isso — porque ignorar essa etapa é a causa mais comum de modelos que falham em produção.

Pré-processamento com NLTK e spaCy — limpeza, tokenização e lematização para português
Representações vetoriais: TF-IDF, Word2Vec, FastText e embeddings contextuais
Classificação de texto com scikit-learn e ajuste fino de modelos BERT multilíngues
Reconhecimento de entidades nomeadas (NER) e análise de dependências sintáticas

Os exercícios usam conjuntos de dados reais — avaliações de produtos, notícias, conversas de suporte. Nenhum dataset artificial. O objetivo é que o participante consiga adaptar o código para o próprio contexto profissional ao terminar cada módulo. Saiba mais em nossa página de programa.

2015 desde quando ensinamos PLN

Instrutora de processamento de linguagem natural da Screecheeing

Cobertura por tema

Pré-processamento e normalização 82%

Modelos clássicos de ML para texto 67%

Transformers e fine-tuning 74%

Avaliação e deploy de modelos 89%

Como as aulas são estruturadas

Cada aula começa com um problema específico — não com teoria abstrata
O código é executado ao vivo, com erros reais e debugging visível
Cada módulo termina com um exercício aplicado a dados fornecidos pelo próprio participante
Revisão assíncrona disponível — as gravações ficam acessíveis por 12 meses
Fórum de dúvidas monitorado por instrutores, não por moderadores automáticos

Quem está à frente do programa

Beatriz Tavares

Linguística Computacional

Pesquisadora com foco em análise de sentimentos para português brasileiro e espanhol rioplatense.

Ondřej Vašíček

Engenharia de ML

Desenvolvedor especializado em pipelines de PLN para produção — trabalhou com sistemas multilíngues em escala.