|
Conteúdos programáticos |
1. Introdução e Fundamentais
1.1. Níveis de análise da linguagem humana: léxico, sintático, semântico e
pragmático. Desafios e soluções. PLN e Linguística Computacional.
1.2. Recursos clássicos de manipulação da LN (e.g., NLTK e SpaCy).
1.3. Exemplos e aplicações.
2. Semântica Vetorial da LN
2.1. Vetores esparsos (TF-IDF e BoW) e densos (Word2Vec) na LN.
2.2. Vetores densos e contextualizados (e.g., BERT).
2.3. Semântica documental e lexical.
3. Manipulação de Informação com LLMs
3.1. Treino, pós-treino e ajuste-fino de modelos de linguagem de larga escala (LLMs).
3.2. Sistemas de pesquisa e recuperação aumentados (RAG).
3.3. Identificação e extração de informação em texto.
4. Ambientes de Orquestração de Recursos de LN
4.1. Engenharia de prompts.
4.2. As frameworks LangChain e LlamaIndex.
4.3. Sistemas de agentes autónomos baseados em LN.
5. Sistemas de Interação Conversacional
5.1. Alinhamento de modelos e segurança.
5.2. Modos, efetividade e emoções na conversação.
|
|
Bibliografia principal |
1. Jurafsky, D. & Martin, J. (2026). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models, 3rd edition. Online manuscript.
2. Bouchard, L. F., & Peters, L. (2024). Building LLMs for production: enhancing LLM abilities and reliability with prompting, fine-tuning, and RAG. Towards AI
3. Oshin, M., & Campos, N. (2025). Learning LangChain. " O'Reilly Media, Inc."
4. Iusztin, M. L. P. (2024). LLM Engineer's Handbook. Packt Publishing.
5. Tunstall, L., Von Werra, L., & Wolf, T. (2022). Natural language processing with transformers. O'Reilly Media.
|