- definição de corpora, normalização, tokenização, expressões regulares, distância de edição, part of speech tagging, named entity recognition e Naive Bayes para classificação de sentimentos.

- Exemplo de aplicação para análise de sentimento;

- Introdução a modelação de tópicos utilizando Singular Value Decomposition e Non-negative Matrix Factorization;

- Exemplos práticos sobre modelação de tópicos utilizando um dataset da Usenet.

- Demonstração das bases matemáticas de Hidden Markov Models;

- Explicação de matrizes de transição, emissão, observáveis e estados ocultos;

- Exercícios de aplicação;

- Introdução a Naive Bayes e exercícios aplicados a análise de sentimentos.

- Utilização dum dicionário de português para sugerir a correção automática de palavras utilizando a distância de edição;

- Introdução a Part of Speech Tagging e Named Entity Recognition.

- Rever expressões regulares abordadas na aula anterior;

- Explicar os níveis em que o processamento de texto podem acontecer;

- Distância mínima de edição: Levenshtein;

- Introdução a webscraping utilizando newspaper3k. 

- Exercícios de aplicação.