7 projetos de PNL para todos os níveis

Uma das melhores maneiras de conseguir um emprego na área de ciência de dados é criar um portfólio com projetos de ciência de dados que mostrem efetivamente suas habilidades técnicas. Com o boom do ChatGPT, mostrar ao recrutador que você pode resolver problemas de PNL se tornou mais importante do que nunca.

Neste artigo, mostrarei a você sete exemplos de projetos de PNL para todos os níveis, desde o aspirante a cientista de dados até o profissional experiente. Vamos começar!

Você quer aprimorar suas habilidades em PNL? Comece hoje mesmo nosso curso de processamento de linguagem natural em Python. 

Por que iniciar um projeto de PNL?

Há muitos motivos pelos quais você deve tentar resolver uma tarefa de PNL. A primeira é a demanda do mercado. Os modelos de linguagem grande (LLMs), como o ChatGPT, chamaram a atenção de todos os tipos de organizações, o que significa que elas querem investir nessas novas ferramentas e precisam de pessoas que demonstrem conhecimento do processamento de linguagem natural.

Além disso, um projeto de PNL pode ajudar você:

• Aprenda e acrescente uma nova habilidade ao seu currículo.
• Crie um portfólio de projetos que demonstre suas habilidades e sua capacidade de resolver uma variedade de tarefas.
• Mostre que você se mantém atualizado sobre os novos avanços.

Projetos de PNL para iniciantes

Esses projetos de PNL são para pessoas que estão iniciando sua jornada na ciência de dados. Nesses projetos, você pode dominar os conceitos básicos de NLP, como técnicas de processamento de texto, bag-of-words e tf-id.

Se precisar de uma atualização sobre PNL, você pode conferir nosso curso Introdução ao processamento de linguagem natural em Python. Também pode ser útil fazer nosso curso Aprendizado supervisionado com o scikit-learn para aprender técnicas de aprendizado de máquina para resolver problemas supervisionados.

1. Extraia o sentimento das ações das manchetes de notícias

A análise de sentimentos é um dos projetos de PLN mais populares. Consiste em prever se um trecho de texto é positivo, negativo ou neutro. Entender o sentimento pode trazer insights para que sua empresa monitore se há satisfação/insatisfação com seus produtos.

No projeto Extract Stock Sentiment from News Headlines, você treinará um modelo de análise de sentimento nas manchetes de notícias financeiras do Finviz. Primeiro, você limpará o texto e, em seguida, aplicará técnicas de aprendizado de máquina para detectar se há ou não um bom pressentimento sobre a ação.

Um exemplo desse projeto de PNL

2. Quem está tweetando? Trump ou Trudeau?

Outro projeto popular é a análise de dados de tweets, já que o Twitter permite o download de dados usando sua API robusta.

No site Who's Tweeting? Trump ou Trudeau projeto, você classificará se o tweet foi escrito por Donald Trump ou Justin Trudeau. Em comparação com o projeto anterior, extrair informações de tweets pode ser mais desafiador porque eles são curtos e cheios de menções, emojis e hashtags.

Projetos intermediários de PNL

Depois de aprender sobre limpeza de texto, processamento, visualização e aplicação de modelos de aprendizado de máquina para tarefas de classificação, é hora de passar para o próximo nível. Nos projetos a seguir, você aprenderá três aplicações diferentes de processamento de linguagem natural: modelagem de tópicos, reconhecimento de entidades nomeadas e sistemas de recomendação.

3. Os tópicos mais quentes em aprendizado de máquina

As técnicas de PNL não se limitam apenas a lidar com conjuntos de dados rotulados; elas também podem resolver problemas não supervisionados. A modelagem de tópicos é um dos principais aplicativos por sua capacidade de extrair os tópicos mais representativos em uma coleção de documentos, como avaliações de produtos.

No projeto Hottest Topics in Machine Learning, você descobrirá tópicos de artigos de pesquisa do NIPS, que é uma prestigiada conferência de aprendizado de máquina e neurociência computacional realizada todos os anos. O projeto pode ser dividido em duas partes: a etapa de pré-processamento e a identificação de tópicos usando a alocação de Dirichlet latente (LDA).

Um exemplo do projeto Hottest Topics in Machine Learning NLP

4. Análise de currículo usando o Spacy

O reconhecimento de entidades nomeadas é uma tarefa do processamento de idioma natural que consiste em identificar e classificar entidades nomeadas presentes em um documento de texto em categorias predefinidas, como pessoa, organização, local e data.

No projeto Análise de currículo usando o Spacy, você criará um sistema que ajudará os recrutadores a gerenciar com eficiência os currículos dos candidatos com base nas habilidades necessárias para o trabalho. O conjunto de dados é uma coleção de currículos retirados do site livecareer.com. Neste projeto, o modelo spaCy será usado para reconhecer entidades no currículo.

5. Recomendações de livros de Charles Darwin

Somos influenciados por sistemas de recomendação todos os dias. Ao comprar um produto na Amazon, você pode ver sugestões de produtos com base em seus gostos. O mesmo acontece quando você assiste a um filme na Netflix e tem uma lista de filmes com base em escolhas anteriores.

No projeto Book Recommendations from Charles Darwin, você criará um sistema de recomendação de livros com base no conteúdo deles. Os dados foram retirados do Project Gutenberg. A bibliografia de Charles Darwin será utilizada para identificar os livros que podem despertar seu interesse.

Projetos avançados de PNL

Os projetos de ciência de dados se concentram na solução de problemas mais avançados, como tradução de idiomas e resposta a perguntas. Você treinará modelos baseados em transformadores para resolver cada tarefa.

6. Tradutor de inglês/italiano com modelo de rosto abraçado

A cada ano, a tradução de idiomas está se tornando melhor e mais precisa. Esse avanço se deve ao desenvolvimento de técnicas sofisticadas de tradução de idiomas.

No projeto Tradutor de inglês/italiano com o modelo Hugging Face, você criará seu próprio aplicativo de tradução com o Hugging Face, que é uma plataforma de IA que hospeda vários modelos de idiomas grandes especializados em diferentes tarefas, incluindo a tradução de idiomas. Neste projeto, você escolhe esse modelo para traduzir o texto do italiano para o inglês. Esse aplicativo é concretizado com o uso do Streamlit.

7. Resposta a perguntas com um BERT ajustado

Os grandes modelos de linguagem, como o ChatGPT, trouxeram entusiasmo para a solução de uma enorme variedade de tarefas de PLN, incluindo a resposta a perguntas. Fazer uma pergunta e obter uma resposta rapidamente a partir de um modelo de linguagem grande pode realmente acelerar o trabalho das pessoas e permitir que elas se concentrem em outras tarefas desafiadoras.

No projeto Question Answering with a fine-tuned BERT (Resposta a perguntas com um BERT ajustado ), você ajustará o BERT no conjunto de dados CoQA, que consiste em uma coleção de 127 mil perguntas com respostas lançadas por Stanford em 2019. O objetivo é usar o modelo BERT para responder a perguntas com base no conjunto de dados fornecido.

Conclusão

É isso aí! Com esses projetos, você adquirirá novas habilidades e enriquecerá seu portfólio com projetos de PNL, o que o tornará mais interessante para o recrutador que está em busca de novos talentos. Com base no nível, você pode escolher o projeto que achar mais adequado.

Se você estiver interessado em começar a usar o Processamento de linguagem natural, a melhor maneira é dar uma olhada no curso Processamento de linguagem natural em Python do DataCamp. Você também pode consultar o tutorial de Processamento de linguagem natural.