Pular para o conteúdo principal

Módulo 2 - Processamento de Documentos

Visão geral​

O processamento de documentos é a base de qualquer sistema RAG. Este módulo aborda como carregar, analisar e dividir documentos de diversas fontes. Você aprenderá sobre diferentes estratégias de divisão e como lidar com tipos de arquivos complexos.

Objetivos de aprendizagem​

Ao final deste módulo, você será capaz de:

  • Carregar documentos de PDFs, Word, HTML e outras fontes
  • Compreender e implementar diferentes estratégias de divisão de texto
  • Lidar com documentos complexos contendo tabelas, imagens e dados estruturados
  • Escolher a abordagem de chunking adequada para seu caso de uso
  • Processar documentos em escala

Conteúdo do módulo​

1. Carregadores de Documentos​

  • Carregadores de documentos do LangChain
  • Leitores do LlamaIndex
  • Carregamento a partir de PDFs, Word, HTML, bancos de dados

2. Estratégias de Divisão de Texto​

  • Tamanho do chunk e sobreposição
  • Divisão recursiva por caracteres
  • Divisão semântica
  • Divisão baseada em sentenças

3. Manipulação de Diferentes Tipos de Arquivo​

  • Desafios na extração de PDFs
  • OCR para documentos digitalizados
  • Tabelas e dados estruturados
  • Imagens em documentos
  1. Carregadores de Documentos - Carregando de várias fontes
  2. Divisão de Texto - Estratégias de chunking
  3. Tipos de Arquivo - Manipulando documentos complexos
  4. Quiz - Módulo 2 - 30 questões

Domine a arte do processamento de documentos!