Regex, NER e Busca Clássica: Quando LLMs Não São a Solução

Aprenda a identificar quando técnicas clássicas de NLP superam LLMs e implemente soluções eficientes para extração e busca de dados. Reduza custos e latência com pipelines otimizados para cenários reais.

Nível: Intermediário

Para quem é: Desenvolvedores, engenheiros de dados, analistas de NLP e profissionais de TI que trabalham com processamento de texto e buscas em sistemas legados ou de alto desempenho

Ao concluir, você será capaz de: Capacitar o aluno a identificar cenários onde técnicas clássicas de NLP (como NER e regex) superam LLMs, implementando soluções eficientes e escaláveis para extração e busca de dados

8 módulos · 10h · certificado ao final

  • Analisando cenários: Quando LLMs falham e por quê
  • Dominando regex: Padrões avançados para extração de dados
  • Implementando NER com spaCy e regras personalizadas
  • Otimizando buscas clássicas: Índices, tokenização e performance
  • Construindo pipelines híbridos: Regex + NER + LLMs
  • Avaliando métricas: Precisão, recall e eficiência em sistemas clássicos
  • Deploy de soluções: Integração com APIs e bancos de dados
  • Projeto Final: Pipeline de extração e busca para um sistema legado

Projeto Final

Um pipeline completo de extração e busca de dados usando regex e NER, integrado a um sistema legado ou de alto desempenho, com documentação técnica e métricas de performance

🎓
Regex, NER e Busca Clássica: Quando LLMs Não São a Solução 8 módulos · 10h · certificado
Módulo 1 de 8
Aula interativa · Tutor IA
Como quer estudar?
Bem-vindo à sua aula de Regex, NER e Busca Clássica: Quando LLMs Não São a Solução! Eu sou seu Tutor IA e esta conversa é o próprio curso: cada mensagem faz parte da trilha, com explicações, exemplos, diagramas e desafios. Para começar, me diga seu nome e do que você gosta. Vou usar isso nos exemplos.