Pular para o conteúdo principal

Curso

Análise de Sentimentos em Python

IntermediárioNível de habilidade

Atualizado 02/2024

Descubra se clientes estão satisfeitos ou insatisfeitos aprendendo a realizar uma análise de sentimento ponta a ponta.

Iniciar curso gratuitamente

PythonMachine Learning

4 h

16 vídeos

60 Exercícios

5,050 XP

23,506

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Você já deixou uma avaliação para expressar o que sentiu sobre um produto ou serviço? E costuma conferir as avaliações online antes de comprar? Esse tipo de informação é valiosa não só para você, mas também para as empresas. Neste curso, você vai aprender a interpretar o sentimento expresso em diferentes documentos. Vai usar conjuntos de dados reais com tweets, resenhas de filmes e produtos, além dos pacotes nltk e scikit-learn do Python. Ao final, você será capaz de conduzir uma tarefa de análise de sentimentos completa com base nas opiniões de passageiros de companhias aéreas dos EUA no Twitter.

Pré-requisitos

1

Por dentro da Análise de Sentimentos

Você já conferiu as avaliações ou notas de um produto ou serviço antes de comprar? Então provavelmente já se deparou com a análise de sentimentos. Neste capítulo, você vai conhecer a estrutura básica de um problema de análise de sentimentos e começar a explorar o sentimento em resenhas de filmes.

Elementos de um problema de análise de sentimento

Quantas avaliações positivas e negativas existem?

Resenhas mais longa e mais curta

Tipos e abordagens de análise de sentimento

Detectando o sentimento de Tale of Two Cities

Comparando o sentimento de duas strings

Qual é o sentimento de uma resenha de filme?

Vamos criar uma nuvem de palavras!

Sua primeira nuvem de palavras

Quais palavras estão na nuvem de palavras?

Nuvem de palavras em resenhas de filmes

Iniciar capítulo

2

Recursos numéricos a partir de avaliações

Imagine-se no lugar de uma empresa que oferece uma variedade de produtos. Você quer saber quais são os seus best-sellers e, principalmente, por quê. Vamos começar pelo passo 1 para entender as avaliações dos produtos, usando um conjunto de dados com resenhas da Amazon. Para isso, transformamos o texto em uma forma numérica e consideramos algumas complexidades nesse processo.

Bag-of-words

Qual afirmação sobre BOW é verdadeira?

Seu primeiro BOW

BOW usando avaliações de produtos

Aprofundando com n-grams

Especifique o comprimento da sequência de tokens com BOW

Tamanho do vocabulário das resenhas de filmes

BOW com n-grams e tamanho do vocabulário

Criar novos recursos a partir de texto

Tokenize uma string de GoT

Tokens de palavras dos Avengers

Uma feature para o tamanho de uma avaliação

Você consegue adivinhar o idioma?

Identificar o idioma de uma string

Detectar o idioma de uma lista de strings

Detecção de idioma em avaliações de produtos

Iniciar capítulo

3

Mais sobre vetores numéricos: transformando tweets

Este capítulo continua o processo de entender as avaliações de produtos. Vamos abordar complexidades adicionais, especialmente ao trabalhar com dados de análise de sentimentos de redes sociais como o Twitter. Também vamos aprender outras formas de extrair recursos numéricos do texto.

Nuvem de palavras de tweets

Sentimento sobre companhias aéreas com stop words

Múltiplas colunas de texto

Capturando um padrão de token

Especificar o padrão de tokens

Operadores de string com dados do Twitter

Mais operadores de string e Twitter

Stemming e lematização

Radicais e lemas de GoT

Aplicar stemming em avaliações em espanhol

Radicais a partir de tweets

TfIdf: Outras formas de transformar texto

Seu primeiro TfIdf

TfIdf em dados de sentimento de companhias aéreas no Twitter

Tfidf e BOW nos mesmos dados

Iniciar capítulo

4

Vamos prever o sentimento

Vamos aplicar Machine Learning para prever o sentimento de uma resenha com base nas palavras usadas. Utilizamos regressão logística e avaliamos seu desempenho de algumas maneiras. Esses são ótimos primeiros modelos!

Vamos prever o sentimento!

Regressão logística de críticas de filmes

Regressão logística usando dados do Twitter

Será que previmos bem o sentimento?

Construir e avaliar um modelo: reviews de filmes

Métricas de desempenho com dados do Twitter

Construir e avaliar um modelo: dados de avaliações de produtos

Regressão logística: revisitada

Prever probabilidades de críticas de filmes

Avaliações de produtos com regularização

Regularizando modelos com dados do Twitter

Juntando tudo

Passo 1: Nuvem de palavras e criação de feature

Etapa 2: Construindo um vectorizer

Etapa 3: Construindo um classificador

Encerramento

Iniciar capítulo

Análise de Sentimentos em Python

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Análise de Sentimentos em Python hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.