Word2Vec: interpretação da linguagem humana com Word embedding

Achei o curso excelente, mas uma sugestão: acho que seria bom colocar logo no começo do curso os arquivos que precisam ser baixados. Como são arquivos grandes, eles demoram um bom tempo baixando.Isso fez com que eu não conseguisse assistir algumas aulas no tempo em que eu tinha determinado: tinha uma hora livre, fui estudar, mas só o download do arquivo levou quase 1 hora. Precisei continuar no dia seguinte.No mais, achei o curso excelente!

Word2Vec: interpretação da linguagem humana com Word embedding

Foi muito legal você mostrar como combinar o uso do gensim com word-vecs pré-treinados para língua portuguesa. O material do NILC da USP é realmente muito bom. Se puder contribuir, acho que ainda falta alguns cursos com um nível mais avançado de dificuldade. Por exemplo, em vez de usar soma (ou média) de palavras, como usar uma LSTM e processar a sequência inteira como uma série temporal. Outro detalhe é que se a sua frase tiver um excesso de 'unknowns', essa soma de palavras vai ficar "enviesada" pelo embedding 'unknown', e o classificador não vai funcionar. Nesse caso, poderíamos procurar por palavras mais próximas da string de entrada ou corrigir (se for um typo), ou até descartar. Por fim, um outro assunto interessante é: como treinar vetores de palavras específicas pra ressignificá-las, sem mexer no emdding do corpus completo? Por exemplo, inicializar com skip_gram do NILC, mas retreinar as palavras mais (ou menos) frequentes do corpus do seu dataset particular, em função da tarefa que está sendo realizada. Sei que são projetos mais complexos, mas seria legal ter cursos mais avançados nessa linha.

Word2Vec: interpretação da linguagem humana com Word embedding