README.md

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
• 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

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.