🚨 Natural Language Processing with Disaster Tweets

Este repositório contém uma solução para a competição "Natural Language Processing with Disaster Tweets" do Kaggle. O objetivo do projeto é construir um modelo de Machine Learning/Deep Learning capaz de classificar se um tweet está relatando um desastre/emergência real (1) ou se utiliza termos conotativos/figurados (0).

📌 Visão Geral do Projeto

Plataforma: Kaggle
Métrica de Avaliação: $F_1\text{-score}$
Linguagem: Python 3.x
Principais Tecnologias: pandas, scikit-learn, PyTorch, transformers (Hugging Face)

⚙️ Abordagem e Modelos

Baseline: TF-IDF + Logistic Regression

Pré-processamento: Limpeza de URLs e tags HTML, preservação de hashtags e números, e concatenação do campo keyword ao texto do tweet.
Vetorização: TfidfVectorizer (unigramas e bigramas, max_features=10000).
Algoritmo: Regressão Logística.
Resultado ($F_1\text{-score}$ em Validação Cruzada 5-Fold): ~0.785

📂 Estrutura do Repositório

├── data/
│   ├── train.csv          # Dataset de treino
│   └── test.csv           # Dataset de teste (Kaggle)
├── notebooks/
│   ├── 01_baseline_tfidf.ipynb     # Modelo baseline (TF-IDF + Logistic Regression)
├── submissions/
│   ├── submission_baseline.csv
│   └── submission_deberta.csv
├── README.md
└── requirements.txt