Episódio 06 de 2025.1 — Dados Jurídicos em Ordem: Como Preparar uma Base Confiável para LLMs

Notas do episódio

Neste episódio, Tony e Diana conduzem um mergulho técnico e ético sobre a preparação e limpeza de dados para LLMs aplicados ao setor jurídico. A conversa percorre os desafios de inconsistência, ambiguidade semântica, variações regionais e “juridiquês”, além de destacar soluções como pipelines automatizados, bibliotecas de NLP (como spaCy e NLTK), validação estatística, aprendizado ativo e vetorização com embeddings. Um episódio essencial para quem quer entender como transformar um oceano de documentos jurídicos brutos em dados limpos, confiáveis e representativos para aplicações com IA generativa. 🧠 O episódio foi gerado com apoio de Inteligência Artificial a partir do debate coletivo entre professor, monitores e alunos, ocorrido na plataforma strateegia.digital, durante a disciplina IF1006 - TÓPICOS AVANÇADOS EM SISTEMAS DE INFORMAÇÃO 3 do curso de Bacharelado em Sistemas de Informação do Centro de Informática da UFPE no semestre 2025.1.