Análise de Linguagem com Azure AI

Este repositório foi criado para o desafio de código de Fundamentos de IA com Azure. O objetivo principal foi praticar e aprofundar meus conhecimentos no uso das ferramentas da Azure voltadas para análise de fala e linguagem natural, com foco em soluções baseadas em IA para compreensão textual.

Objetivo do Projeto

Neste exercício prático, trabalhei com a Azure Language Service API para realizar três tarefas principais sobre um texto armazenado em JSON:

1. Detecção de idioma
2. Análise de sentimento
3. Geração de resumo automático (Extractive Summarization)

A proposta é aplicar os conhecimentos adquiridos nas aulas do bootcamp, entendendo como essas ferramentas podem ser utilizadas em pipelines de processamento de linguagem natural (NLP) para construir soluções inteligentes.

Sobre o código

O arquivo main.py contém a lógica para a utilização dos serviços cognitivos do Azure. O funcionamento está dividido em funções reutilizáveis e bem definidas:

• make_client(): cria um cliente autenticado com as credenciais da Azure.
• detect_lang(): identifica o idioma principal do texto.
• analyze_sent(): avalia o sentimento do texto.
• make_resume(): gera um resumo automático usando técnicas de sumarização extrativa.
• load_text_from_json(): carrega o conteúdo de um arquivo JSON.
• main(): orquestra a execução geral.

Rodando localmente

1. Clone este repositório:

   git clone https://github.com/dvanael/azure-ai-dio.git

2. Crie um arquivo .env com suas credenciais do Azure:

   AZURE_LANGUAGE_ENDPOINT="https://<seu-endpoint>.cognitiveservices.azure.com/"
   AZURE_LANGUAGE_KEY="<sua-chave>"
   

3. Instale as dependências:

   pip install -r requirements.txt

4. Crie um arquivo sampleText.json com a seguinte estrutura:

   {
     "texto": "Seu texto aqui para análise"
   }

5. Execute o script:

   python main.py

Aprendizados e insights

Durante o desenvolvimento deste projeto, aprendi:

• Como configurar e autenticar um cliente da Azure Language API.
• Diferença entre tipos de análise de linguagem disponíveis no Azure.
• O poder da sumarização automática baseada em frases-chave do texto.
• Como os serviços cognitivos podem ser integrados de forma simples em aplicações Python.

Isso me mostrou o potencial das ferramentas de IA da Azure e como os fundamentos de IA são colocados em prática, consigo ver como isso pode ser aplicado a diversos sistemas,especialmente para casos, como em detecção automática de idioma em aplicações multilíngues.

Possíveis melhorias

• Adicionar suporte para múltiplos textos em lote.
• Criar uma interface web o uso da ferramenta.