<div dir="ltr">O Programa de Pós-graduação em Estatística da Universidade Federal de Pernambuco tem a satisfação de convidar a comunidade acadêmica para o minicurso "Mineração de Textos: uma abordagem voltada para a análise de sentimentos e descoberta de tópicos" que será realizado nos dias 07 e 08 de maio das 14h às 18h em nosso departamento pelo Prof. Dr. Victor D. Heuer de Carvalho da Universidade Federal de Alagoas. Curso integralmente presencial com entrega de certificados.<br><br><b>Título</b>: Mineração de Textos: uma abordagem voltada para a análise de sentimentos e descoberta de tópicos<div><b><br></b></div><div><b>Data</b>: dias 07 e 08 de maio das 14h às 18h. </div><div><b><br></b></div><div><b>Local</b>: Departamento de Estatística (CCEN UFPE)<br><b><br></b></div><div><b>Inscrições</b>: <a href="https://doity.com.br/mineracao-de-textos">https://doity.com.br/mineracao-de-textos</a><b><br></b></div><div><b><br></b></div><div><b>Descrição: </b>A mineração de textos é uma área da ciência de dados que se concentra na extração de informações significativas e úteis de grandes conjuntos de documentos de texto não estruturados. Uma das abordagens mais interessantes nesse campo é a análise de sentimentos e a descoberta de tópicos. A análise de sentimentos visa identificar e categorizar as opiniões expressas em textos, atribuindo a eles um sentimento positivo, negativo ou neutro. Isso é fundamental para entender a opinião pública sobre determinados produtos, serviços, eventos ou questões sociais. As técnicas de descoberta de tópicos variam desde abordagens estatísticas, como modelos de tópicos probabilísticos, até métodos mais avançados de aprendizado de máquina, como redes neurais. Essas técnicas permitem que os pesquisadores identifiquem automaticamente os principais temas discutidos em um conjunto de documentos. O minicurso "Mineração de textos: Uma abordagem voltada para a análise de sentimentos e descoberta de tópicos" visa introduzir a comunidade acadêmica e profissional nos conceitos e ferramentas da análise de sentimentos e a descoberta de tópicos e permitir as primeiras implementações em mineração de conteúdo análise de opiniões expressas em grandes volumes de texto, permitindo insights valiosos para empresas, pesquisadores e tomadores de decisão em uma variedade de campos.<br><br><b>Dia 1</b>: O primeiro dia do curso abordará a análise de sentimentos, explorando algoritmos como Naïve Bayes, Support Vector Machines (SVM), Random Forest e Redes Neurais. Os participantes aprenderão a aplicar esses métodos para analisar e classificar sentimentos em conjuntos de dados textuais, compreendendo desde a teoria por trás desses algoritmos até sua implementação prática em Python.<br><br><b>Dia 2</b>: No segundo dia, o foco será na extração de tópicos, utilizando técnicas como Latent Dirichlet Allocation (LDA) e Latent Semantic Indexing (LSI). Os alunos irão mergulhar na análise de grandes conjuntos de texto para identificar padrões e temas subjacentes. Eles aprenderão a implementar esses algoritmos, interpretar os resultados e aplicar estratégias para visualização e interpretação de tópicos descobertos.</div><div><br></div><div><img src="cid:ii_lvv9hkox0" alt="3. Chamada - Victor D. Heuer de Carvalho.png" width="357" height="505"><br></div><div><br></div><div><br></div><span class="gmail_signature_prefix">-- </span><br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div style="text-align:left"><span style="font-weight:bold;color:rgb(45,45,45)"><font face="arial, sans-serif">Thyago Nepomuceno<br></font></span><br></div><div><div dir="ltr"><div><div dir="ltr" style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><font size="1" face="times new roman, serif">Assistant Professor - Departament of Statistics - CCEN - Universidade Federal de Pernambuco</font></div><div style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><span style="font-family:"times new roman",serif;font-size:x-small">Deputy Coordinator of Masters and PhD. Programs in Statistics - Universidade Federal de Pernambuco</span></div><div dir="ltr" style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><span style="font-family:"times new roman",serif;font-size:x-small">Bolsista de Produtividade em Pesquisa PQ2 - </span><font color="#2d2d2d" face="times new roman, serif" size="1">Conselho Nacional de Des. Científico e Tecnológico (CNPq)</font></div><div dir="ltr" style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><font style="font-family:"times new roman",serif">Research Fellow</font><font style="font-family:"times new roman",serif"> - Department of Computer, Control, and Management Engineering - Sapienza University of Rome</font></div></div><div style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><font style="font-family:"times new roman",serif">Editor in chief of <a href="https://periodicos.ufpe.br/revistas/index.php/SECAN/index" target="_blank">Socioeconomic Analytics</a></font></div><div dir="ltr" style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><font size="1" face="times new roman, serif">Contatos: <a href="mailto:thyago.nepomuceno@ufpe.br" target="_blank">thyago.nepomuceno@ufpe.br</a>; <a href="mailto:nepomuceno@diag.uniroma1.it" target="_blank">nepomuceno@diag.uniroma1.it</a></font></div><div style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><span style="font-family:"times new roman",serif;font-size:x-small">...........................................</span><span style="font-size:x-small"><font face="times new roman, serif"><br></font></span></div><div style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><span style="font-size:x-small"><font face="times new roman, serif">Recent publications: <a href="https://doi.org/10.1016/j.omega.2024.103044" target="_blank">MCDA Distance Functions (DEA)</a>,<a href="https://doi.org/10.1108/IJSE-11-2022-0767" target="_blank"> Panel Data Envelopment Analysis (DEA)</a>, <a href="http://dx.doi.org/10.1080/03088839.2023.2252431" target="_blank">Maritime Transportation Efficiency (DEA)</a>, </font></span><a href="https://onlinelibrary.wiley.com/doi/abs/10.1111/exsy.12967" style="font-family:"times new roman",serif;font-size:x-small" target="_blank">Knowledge Benchmarking (DEA)</a>, <a href="http://dx.doi.org/10.3390/data8080134" style="font-family:"times new roman",serif;font-size:x-small" target="_blank">Webpage Performance (DEA)</a><span style="font-family:"times new roman",serif;font-size:x-small">, </span><a href="https://onlinelibrary.wiley.com/doi/10.1111/itor.13309" target="_blank">Systematic Reviews as a Metaknowledge (Bibliometrics)</a>, <a href="http://dx.doi.org/10.3390/fi15120393" target="_blank">Information Security (Bibliometrics)</a>, <a href="https://doi.org/10.1504/IJOR.2023.129960" style="font-size:x-small;font-family:"times new roman",serif" target="_blank">State of the Art on DEA (Bibliometrics)</a>, <a href="https://www.mdpi.com/2227-9032/10/7/1316" style="font-size:x-small;font-family:"times new roman",serif" target="_blank">Review of Hospitals' Efficiency (Bibliometrics)</a><span style="font-size:x-small;font-family:"times new roman",serif">, </span><a href="http://dx.doi.org/10.3390/info14030169" target="_blank">Innovation Hubs (MCDA)</a>, <a href="http://dx.doi.org/10.1108/ARLA-10-2022-0182" target="_blank">Relational Governance (ITO)</a>, <a href="https://www.mdpi.com/1660-4601/19/15/9711" style="font-size:x-small;font-family:"times new roman",serif" target="_blank">Bedouin Syndrome (Econometrics)</a><span style="font-size:x-small;font-family:"times new roman",serif">, </span><a href="http://www.aimspress.com/article/doi/10.3934/mbe.2022332" style="font-size:x-small;font-family:"times new roman",serif" target="_blank">COVID-19 Mobility Impact (Econometrics)</a>.</div><div style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><span style="font-family:"times new roman",serif;font-size:x-small">...........................................</span><br></div><div style="color:rgb(45,45,45);font-size:10px;font-family:Arial,Helvetica,sans-serif"><div><a href="http://lattes.cnpq.br/4815452948320665" target="_blank"><img width="96" height="15" src="https://ci3.googleusercontent.com/mail-sig/AIorK4yW1o_ahqSHG52b71_DdFSY56EidLPaH17sTSkYAoR3dwwKRRsV9Qx1kBt75ke8UXvwHhv-4JI"></a><br></div><div style="color:rgb(32,33,36);font-size:small"><div style="color:rgb(45,45,45);font-size:10px"><div dir="ltr"><div dir="ltr"><font size="1" face="times new roman, serif"><a href="https://orcid.org/0000-0001-8327-6472" target="_blank"><img src="https://ci3.googleusercontent.com/mail-sig/AIorK4x6-hjpsRnTnmZ-9t1gQDXIKh2eRcAm1gnGdz3loZVrjPh0GV4hg_IIl22gmxQILQ-k6nU8SsM"></a> <a href="https://www.researchgate.net/profile/Thyago-Nepomuceno-2" target="_blank"><img src="https://ci3.googleusercontent.com/mail-sig/AIorK4w9QORChlqGt0ZLMy3EUMbfAuLiKo8Ltcee3a06pBXdJyv-0Hu6rjIgMXuKOOviK9nmKs4fkis"></a> <a href="https://www.linkedin.com/in/thyago-nepomuceno-78a08a42/" target="_blank"><img src="https://ci3.googleusercontent.com/mail-sig/AIorK4y9SpM3PqLq5yQ343Q0TSmcMKyzgsUGL5mA6SR0sM4cosVAEYIQOAl761LBZPCZ4KZNYQuWLNU"></a> <a href="https://scholar.google.com.br/citations?user=xvNP0ioAAAAJ&hl=pt-BR&oi=ao" target="_blank"><img src="https://ci3.googleusercontent.com/mail-sig/AIorK4xDcmn1LPL_n5tSTRiE0xyEBeEbP76I4dZTnEu1t9kRvbAdIqH-4mwuCawGOsou3pBKAIRBZMU"></a><br></font></div><div dir="ltr"><font size="1" face="times new roman, serif">..........................................</font></div></div></div></div></div><div style="color:rgb(45,45,45)"><a href="https://www.ufpe.br/caa" target="_blank"><img width="51" height="96" src="https://ci3.googleusercontent.com/mail-sig/AIorK4xrETHxFNn8c0zJhKrlPu-H65bh5zXChFs7SPrITJjKG4vrxSlXpF6g3l1uj3sMwUzCJi3vOsc"></a><a href="https://www.ufpe.br/ccen" target="_blank"><img src="https://ci3.googleusercontent.com/mail-sig/AIorK4xW8NC8dkWRQG-yf-90BQPq7mQ3Axifqe9NfV0aNgAHr7w_svftdHBthvP6n33HSNpc_Wln32g"></a><br></div><div style="color:rgb(45,45,45)"><br><br></div></div></div></div></div></div>