Projeto: SentimentAPI — Análise de Sentimentos de Feedbacks

---

Índice

• Projeto 1: SentimentAPI — Análise de Sentimentos de Feedbacks
  • Índice
  • 📝 Descrição do Projeto
    • ⚙️ Tecnologias Utilizadas
    • 📁 Estrutura do Projeto
  • 👥 Equipe do Projeto

---

📝 Descrição do Projeto

API para classificação automática de sentimentos (Positivo/Negativo/Neutro) em feedbacks de clientes, utilizando um modelo de Machine Learning integrado a um backend Java Spring Boot.

⚙️ Tecnologias Utilizadas

Seguindo a arquitetura de microsserviços, adotaremos a seguinte stack:

Backend:

• Java 17 + Spring Boot 3 - API /sentiment
• Spring Web (REST) - Endpoints
• OpenFeign - Cliente HTTP → Python
• H2 Database - Banco em memória
• Swagger/OpenAPI - Documentação

Data Science:

• Python + Pandas + Scikit-learn - Treinar modelo
• Joblib - Persistir modelo
• FastAPI - Servidor leve para predição
• Streamlit (opcional) - Visualização

Infra/Dev:

• Git / GitHub (Monorepo)\
• Docker (futuro)

Build/Deploy:

• Oracle Cloud (futuro)

📁 Estrutura do Projeto

• /backend - Código fonte da API Java
• /data-science - Notebooks e scripts de treinamento do modelo
• /docs - Documentação complementar

Visão Geral do Repositório

hackathon-sentimentapi-analytics
│
├── backend/                # Spring Boot (Java)
│   ├── src/...
│   └── pom.xml
│
├── data/                   # Python
│   ├── notebooks/          # Jupyter
│   ├── model/              # Modelo .joblib
│   ├── app.py              # FastAPI
│   └── requirements.txt
│
├── doc/                    # Documentação
└── README.md

---

👥 Equipe do Projeto

Backend Team

Data Team

---