Aprenda a extrair informações valiosas de textos não estruturados usando técnicas de NER clássicas e modernas com LLMs. Ideal para quem precisa automatizar a análise de documentos, contratos ou dados técnicos com precisão.
Nível: Intermediário
Para quem é: Desenvolvedores, cientistas de dados, analistas de NLP e profissionais que precisam extrair dados de documentos, contratos ou textos técnicos
Ao concluir, você será capaz de: Capacitar o aluno a implementar pipelines de NER para extrair informações estruturadas de textos não estruturados, combinando abordagens clássicas e modernas com LLMs
8 módulos · 10h · certificado ao final
- Explorar conceitos de NER e casos de uso em TI e negócios
- Configurar ambiente com Python e bibliotecas essenciais (spaCy, NLTK)
- Implementar NER com regex e regras personalizadas para padrões específicos
- Treinar modelos de NER com spaCy para domínios especializados
- Utilizar LLMs para NER zero-shot e few-shot com Hugging Face
- Avaliar desempenho de modelos com métricas como precisão e recall
- Integrar NER em pipelines de RAG para enriquecer buscas semânticas
- Projeto Final: Construir um sistema de extração de entidades para contratos jurídicos ou relatórios técnicos
Projeto Final
Um pipeline completo de NER que extrai entidades (nomes, datas, valores) de um conjunto de documentos reais, com relatório de desempenho e integração opcional com um chatbot ou sistema de busca