O que você aprenderá_

Entenda a estrutura dos dados de reviews e extraia insights por meio de análise exploratória
Converta textos em embeddings e compare abordagens para representação semântica
Treine e avalie um modelo de análise de sentimento utilizando XGBoost e métricas como acurácia e F1
Construa um módulo de RAG com similaridade de cosseno integrado a LLMs para buscas semânticas
Integre ferramentas de consulta SQL ao chatbot para responder perguntas analíticas sobre a base de dados
Desenvolva um dashboard interativo em Streamlit que combine chatbot, visualizações e histórico de interações

Público alvo_

Profissionais, estudantes e desenvolvedores que desejam aplicar machine learning, embeddings e LLMs para criar sistemas de busca semântica e dashboards interativos usando Python e ferramentas como SQLite, LangChain e Streamlit.

Julles Mitoura

Chemical Engineer com mestrado e doutorado, atuando em ciência de dados e IA aplicada a processos industriais. Há mais de cinco anos, trabalho com análise de dados para compreender e otimizar processos a partir de dados de sensores e indicadores de desempenho. Tenho experiência na Petrobras, Radix e Deloitte e, atualmente, atuo na Celanese como Back-end Developer com foco em soluções de IA, desde a arquitetura até a implantação.

Curso atualizado em 29/09/2026

Já estuda na Alura?

Comece o curso agora

Ementa

Módulo 01: Primeiras passos e analise de dados
- Apresentação do Curso e Objetivos
- Setup Inicial de Projeto
- Aquisição de Dados
- Análise Exploratória
- Módulo 1 · Exercícios
- O que aprendemos?
Módulo 02: Desenvolvimento de modelo para analise de sentimentos
- Processamento de dados textuais: texto para vetor
- Processamento de dados
- Desenvolvimento de modelo para Análise de Sentimentos
- Desenvolvimento do modelo
- Módulo 2 · Exercícios
- O que aprendemos?
Módulo 03: Estudo de RAG e function-calling
- Estudando o mecanismo de RAG
- Estudando o mecanismo de function-calling
- Consultas com funções
- Módulo 3 · Exercícios
- O que aprendemos?
Módulo 04: Desenvolvimento de dashboard com consumo de Agent de AI
- Desenvolvimento dos módulos de RAG e function-calling
- Módulos de RAG e funções
- Desenvolvimento de dashboards com produto utilizando Streamlit
- Dashboard com Streamlit
- Módulo 4 · Exercícios
- O que aprendemos?
- Fechamento do curso