Projetos

Projetos e Entregas Técnicas

Projetos aplicados em NLP, Machine Learning e análise de dados — com código, dados e publicações abertas. Cada projeto parte de um problema real e entrega um artefato concreto: modelo treinado, dataset público ou pipeline reproduzível.

Stance Detection em Discurso Político com BERT

Python · HuggingFace Transformers · BERT · Twitter API · Scikit-learn

Como detectar automaticamente se um político é a favor ou contra vacinação a partir de seus tweets? Pipeline completo de coleta, limpeza, anotação manual e fine-tuning de modelos BERT em português para classificação de stance e sentimento em tweets de parlamentares brasileiros sobre vacinas COVID-19 (2020–2023).

  • Problema: Classificar automaticamente o posicionamento político sobre vacinação em larga escala, em português.
  • Solução: Fine-tuning de BERTimbau para stance detection, com pipeline de coleta via Twitter API e anotação manual por nove anotadores independentes.
  • Resultado: Corpus de 9.045 posts anotados (α=0,94 relevância · α=0,70 stance · α=0,67 sentimento), disponível publicamente como gold standard.

Repositório do Corpus · Arquivos de Replicação · Paper NLP4DH 2025 · Paper STIL 2023

Coleta e Análise de Tweets de Candidatos a Prefeito — COVID-19

Python · Twitter API · Pandas · Análise de Dados

Dataset de tweets de candidatos brasileiros a prefeito durante a pandemia de COVID-19, coletado via Twitter API. Projeto de coleta sistemática e documentação de dados políticos em larga escala para uso em pesquisa reproduzível.

  • Problema: Ausência de dados estruturados sobre comunicação política municipal durante a pandemia.
  • Solução: Pipeline de coleta automatizada via API com documentação e organização para uso por outros pesquisadores.
  • Resultado: Dataset público de tweets de candidatos municipais, disponível para reuso.

Repositório

Federalismo e Desigualdade Educacional na Pandemia

R · tidyverse · ggplot2 · Análise Estatística Comparativa

Como a falta de coordenação federativa amplificou desigualdades na resposta educacional à pandemia? Coleta e análise sistemática de dados de políticas educacionais em todos os 26 estados e capitais brasileiros durante 2020–2021, com produção de indicadores comparativos e visualizações analíticas.

  • Problema: Mensurar o impacto da descoordenação federativa nas respostas educacionais estaduais durante a pandemia.
  • Solução: Coleta de dados governamentais em larga escala, construção de indicadores comparativos e análise estatística em R.
  • Resultado: Publicado no Comparative Education Review (vol. 70, n. 1, 2026) — um dos principais periódicos internacionais de educação comparada.

Paper — Comparative Education Review

PLN para Humanidades — Livro Interativo

Python · Jupyter Book · HuggingFace · Scikit-learn · Google Colab · GitHub Pages

Livro interativo de acesso aberto construído do zero para ensinar Python, NLP e Machine Learning a pesquisadores de ciências sociais sem background técnico. Cada capítulo é um notebook executável com link direto para Google Colab — sem instalação local necessária.

  • Problema: Ausência de material didático em português que leve pesquisadores de humanidades do zero até técnicas avançadas de NLP.
  • Solução: Livro interativo com Jupyter Book, publicado via GitHub Pages, com trilha progressiva do Python básico até classificação de texto com modelos de linguagem.
  • Resultado: Material em uso ativo na disciplina FLP0478 (DCP-USP), publicamente acessível e em desenvolvimento contínuo.

Acessar o Livro

Contato

Interessado em colaborar ou conversar sobre os projetos? Estou aberto a posições em ciência de dados e colaborações em NLP aplicado, análise de texto e dados não estruturados.