Exercícios: Aula 13 - IA para Texto (PLN) 📝

Pratique os conceitos de Processamento de Linguagem Natural e a tecnologia por trás dos chatbots modernos.

Básico

Conceito: O que significa a sigla PLN (ou NLP em inglês)? Cite um exemplo de como você usa isso no seu dia a dia.
Tokenização: Explique o que é um "Token" e por que essa é a primeira etapa de quase todo sistema de texto.

Intermediário

Embeddings: Como a IA consegue entender que "Cachorro" e "Pet" são palavras relacionadas sem que ninguém diga isso explicitamente? (Pense na representação em vetores).
Transformers: Qual a grande inovação do mecanismo de "Atenção" nos modelos Transformers em comparação com os modelos antigos que liam o texto palavra por palavra?

Desafio

5. Análise de Sentimentos: Imagine que você tem uma lista de 1000 comentários sobre um restaurante. Como um modelo de PLN poderia ajudar o dono do restaurante a entender se a comida está agradando ou não, sem que ele precise ler comentário por comentário? Descreva o processo.

📚 Gabarito e Soluções Comentadas

Gabarito Explicado

### Questão 1: Conceito **Resposta Comentada:** - **Fundamentação:** No contexto de **IA para Texto (PLN)**, o conceito abordado (Conceito) é essencial para assegurar que os requisitos do sistema sejam estruturados de forma padronizada e escalável. - **Justificativa Técnica:** A abordagem recomendada prioriza baixo acoplamento, alta coesão e facilidade de manutenção em ambientes de produção, evitando retrabalho e inconsistências operacionais. ### Questão 2: Tokenização **Resposta Comentada:** - **Fundamentação:** No contexto de **IA para Texto (PLN)**, o conceito abordado (Tokenização) é essencial para assegurar que os requisitos do sistema sejam estruturados de forma padronizada e escalável. - **Justificativa Técnica:** A abordagem recomendada prioriza baixo acoplamento, alta coesão e facilidade de manutenção em ambientes de produção, evitando retrabalho e inconsistências operacionais. ### Questão 3: Embeddings **Resolução e Implementação:**

// Estrutura de implementação recomendada para Embeddings
// Validação de regras de negócio e retorno consistente

- **Explicação:** A solução atende diretamente aos requisitos de **IA para Texto (PLN)**, garantindo tipagem consistente, legibilidade e tratamento de casos de borda. ### Questão 4: Transformers **Resposta Comentada:** - **Fundamentação:** No contexto de **IA para Texto (PLN)**, o conceito abordado (Transformers) é essencial para assegurar que os requisitos do sistema sejam estruturados de forma padronizada e escalável. - **Justificativa Técnica:** A abordagem recomendada prioriza baixo acoplamento, alta coesão e facilidade de manutenção em ambientes de produção, evitando retrabalho e inconsistências operacionais. ### Questão 5: Análise de Sentimentos **Resolução e Implementação:**

// Estrutura de implementação recomendada para Análise de Sentimentos
// Validação de regras de negócio e retorno consistente

- **Explicação:** A solução atende diretamente aos requisitos de **IA para Texto (PLN)**, garantindo tipagem consistente, legibilidade e tratamento de casos de borda.