Aprenda a extrair dados com precisão usando técnicas avançadas de NER, desde regex até LLMs, e implemente um sistema real para análise de documentos. Ideal para quem busca dominar extração de informações em textos complexos
Nível: Intermediário
Para quem é: Desenvolvedores, engenheiros de dados e cientistas de dados que desejam aprimorar suas habilidades em extração de informações textuais
Ao concluir, você será capaz de: O aluno será capaz de implementar pipelines de NER usando regex, modelos clássicos de NLP e LLMs, além de integrar essas técnicas em sistemas de produção
8 módulos · 12h · certificado ao final
- Explorando os fundamentos do NER: conceitos e aplicações
- Configurando o ambiente: Python, spaCy e bibliotecas essenciais
- Extraindo dados com regex: padrões poderosos para textos estruturados
- Implementando NER clássico: modelos pré-treinados com spaCy e NLTK
- Avançando com LLMs: extração de entidades em textos não estruturados
- Otimizando pipelines: técnicas para melhorar precisão e desempenho
- Integrando NER em sistemas: APIs e deploy com FastAPI
- Projeto Final: Construindo um sistema de NER para análise de documentos jurídicos
Projeto Final
Um sistema completo de NER que extrai entidades (nomes, datas, locais, termos jurídicos) de documentos jurídicos, com deploy via API e relatório de métricas de desempenho