🍃 MOODGram - Descubra o humor por trás das palavras 🍂

📃 Descrição da Temática

Análise de sentimentos é o processo de analisar um texto digital para determinar se o tom emocional da mensagem é positivo, negativo ou neutro. Atualmente, as empresas têm grandes volumes de dados textuais, como e-mails, transcrições de chat de atendimento ao cliente, comentários em mídias sociais e avaliações. As ferramentas de análise de sentimentos podem escanear esse texto para determinar automaticamente a atitude do autor em relação a um tópico. As empresas usam os insights da análise de sentimentos para melhorar o atendimento ao cliente e aumentar a reputação da marca.

Dito isso, o objetivo central consiste em desenvolver classificador de sentimentos de notícias eficiente, preciso e escalável. O modelo criado pelos times deve ser capaz de analisar o texto de uma notícia e determinar se o sentimento geral associado a ela é positivo, negativo ou neutro. A partir dessa classificação, uma empresa do segmento financeiro poderá tomar decisões informadas e estratégicas com base em dados confiáveis sobre a percepção pública de notícias relevantes.

📃 Documentos do Projeto

• Clique no link para acessar: 🔗 Documento de Especificação do Projeto

🖌️ Protótipos de Interface

• Clique no link para acessar: 🔗 Link para o Figma

✅ To-do

• Escrever a Solução Proposta da Documentação
• Segunda Reunião - Andamento das Atividades
• Primeira Reunião - Debate sobre o Tema
• Escrever a Introdução da Documentação
• Análise Exploratória dos Dados
• Prototipagem das Telas da Aplicação WEB
• Tratamento dos Dados
• Finalizar a API de conexão com a aplicação
• Escrever o Pré-processamento dos Dados da Documentação
• Escrever a Descrição dos Dados da Documentação
• Terceira Reunião - Teste Pré-Apresentação
• Documentação no Repositório GitHub
• Validação dos Resultados e Performance do Algoritmo
• Análise de Importância de Variáveis e Interpretabilidade
• Seleção, Treinamento e Otimização de Algoritmo
• Escrever a Introdução da Documentação

🛠 Tecnologias

Naquela seção, trouxemos como instalar cada biblioteca separadamente:

Pandas

O Pandas é uma biblioteca de análise de dados que oferece estruturas de dados flexíveis e eficientes, tornando a manipulação e análise de dados mais fácil. É frequentemente usado em conjunto com o NumPy.

Instalação

pip install pandas

Scikit-Learn (sklearn)

Scikit-Learn é uma biblioteca de aprendizado de máquina em Python. Ela fornece ferramentas simples e eficientes para análise preditiva de dados, incluindo classificação, regressão, clustering, entre outras tarefas.

Instalação

pip install -U scikit-learn

Streamlit

Streamlit é uma biblioteca para criar aplicativos da web interativos com apenas algumas linhas de código. É frequentemente utilizado para prototipagem rápida e visualização de dados.

Instalação

pip install streamlit

Seaborn

Seaborn é uma biblioteca de visualização de dados baseada no Matplotlib. Ele fornece uma interface de alto nível para criar gráficos estatísticos atraentes e informativos.

Instalação

pip install seaborn

NLTK (Natural Language Toolkit)

NLTK é uma biblioteca para processamento de linguagem natural. Ele contém ferramentas para trabalhar com textos, incluindo tokenização, stemming, lematização, análise gramatical, entre outras funcionalidades.

Instalação

pip install -U nltk

Regular Expressions (re)

O módulo re é parte da biblioteca padrão do Python e é usado para trabalhar com expressões regulares, o que é útil para encontrar padrões em strings.

Instalação

Não é necessário instalar separadamente, pois faz parte da biblioteca padrão.

Wordcloud

A biblioteca Wordcloud é usada para gerar nuvens de palavras a partir de um texto, onde o tamanho de cada palavra representa sua frequência no texto.

Instalação

pip install wordcloud

Plotly

Plotly é uma biblioteca para criação de gráficos interativos. Ele suporta uma variedade de tipos de gráficos e é útil para criar visualizações dinâmicas e atraentes.

Instalação

pip install plotly

💾 Executando o Projeto

Siga os passos abaixo para executar o projeto:

1. Clone o Repositório:

   • Certifique-se de ter o Git instalado no seu sistema.
   • Execute o seguinte comando para clonar o repositório:

     git clone https://github.com/zairobastos/moodgram.git

2. Instale as Bibliotecas Necessárias:

   • No terminal, execute o comando a seguir para instalar todas as bibliotecas listadas no arquivo requirements.txt:

     pip install -r requirements.txt

3. Configurando e Rodando o Moodgram:

   • Antes de executar o Moodgram, crie e ative um ambiente virtual (virtualenv). Veja aqui como instalar o virtualenv.
   • Ative o ambiente virtual usando os comandos apropriados. Documentação do virtualenv.
   • Para iniciar o Moodgram, execute o seguinte comando no terminal:

     python main.py

4. Executando o Dashboard:

   • Para rodar o dashboard, utilize o seguinte comando no terminal:

     streamlit run Dashboard.py

Certifique-se de seguir esses passos em ordem para garantir uma execução adequada do projeto. Boa exploração! 🚀

👨‍💻👩‍💻 Desenvolvedores

Gabriel Rudan 💻

Raylander Marques 💻

Letícia Torres 💻

Zairo Bastos 💻