Spaces:
Sleeping
Sleeping
File size: 2,211 Bytes
c3dbb72 15c8bb4 d981104 15c8bb4 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 |
---
title: Projeto Final - Chatbot de Sentimentos (ML + IA Generativa)
emoji: 🧠
colorFrom: yellow
colorTo: blue
sdk: gradio
sdk_version: 5.7.1
app_file: app.py
pinned: false
license: mit
---
# Projeto Final — Análise de Sentimentos (Amazon Polarity)
**Curso**: Machine Learning e Deep Learning
**Data**: 2025-11-12
**Grupo**: _(preencha com os integrantes)_
## 1. Definição do Problema
Classificar avaliações de produtos (Amazon) como **positivas** ou **negativas**.
**Justificativa**: problema real de PLN, com alto valor prático em e-commerce e suporte a decisões.
## 2. Dataset
- **Fonte**: [Hugging Face — `amazon_polarity`](https://huggingface.co/datasets/amazon_polarity)
- **Tamanho**: milhões de exemplos (usamos amostra para execução rápida)
- **Divisão**: treino/validação/teste
## 3. Metodologia
- **Pré-processamento**: limpeza básica de texto; TF‑IDF (ML) e tokenização simples (DL)
- **Modelos**:
- Baseline: TF‑IDF + Regressão Logística
- Comparativo: Random Forest
- Deep Learning: LSTM (PyTorch)
- **Métricas**: Accuracy, F1 (macro/weighted), Matriz de Confusão
## 4. Resultados (resumo)
> _Inclua as tabelas e gráficos principais. Compare ML vs. DL e explique as diferenças observadas._
## 5. Deploy (Hugging Face Spaces)
**Arquivos necessários**:
- `app.py`
- `requirements.txt`
- `baseline_pipe.pkl` (gerado pelo notebook)
**Passo a passo**:
1. Crie uma conta em https://huggingface.co (ou use a sua).
2. Clique em **Create new Space** → **Gradio** → **Python**.
3. Faça **Upload** de `app.py`, `requirements.txt` e `baseline_pipe.pkl`.
4. Aguarde o build do Space e teste a interface.
5. Edite este **README** com prints da interface funcionando e links.
## 6. Conclusões
- _Resumo dos achados e justificativas técnicas._
- _Limitações e próximos passos (ex.: transformers, tuning avançado, dados balanceados)._
## 7. Como reproduzir localmente
```bash
python -m venv .venv && source .venv/bin/activate # (Windows: .venv\Scripts\activate)
pip install -r requirements.txt
python app.py
```
---
> **Observação**: Este repositório/Space cumpre os **entregáveis**: notebook, deploy funcional e documentação.
|