Email Classifier - Sistema IA para Classificação Automática de Emails|Mikhael Barreto|Desafio AutoU скачать в хорошем качестве

Email Classifier - Sistema IA para Classificação Automática de Emails|Mikhael Barreto|Desafio AutoU

🚀 EMAIL CLASSIFIER - Classificação Inteligente de Emails com IA Apresentação completa do sistema que desenvolvi para automatizar a classificação de emails em empresas do setor financeiro, utilizando Inteligência Artificial e Machine Learning. ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔗 LINKS IMPORTANTES 📧 Aplicação Online (Teste agora!): https://email-classifier-1-kkch.onren... 💻 Código-fonte no GitHub: https://github.com/MikhaelBarretoSant... 📚 Documentação da API: https://email-classifier-1-kkch.onren... 👤 Meu LinkedIn:   / mikhael-barreto-santana   📧 Email: mikhaelbarretos@gmail.com ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🎯 SOBRE O PROJETO O Email Classifier é uma solução completa que automatiza a leitura e classificação de emails, categorizando-os como "Produtivo" (requer ação) ou "Improdutivo" (informativo), e sugerindo respostas automáticas contextualizadas. Desenvolvido como parte do processo seletivo da AutoU, o sistema resolve um problema real de empresas do setor financeiro que recebem centenas de emails diariamente, liberando tempo valioso das equipes. ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🛠️ TECNOLOGIAS UTILIZADAS Backend: Python 3.11+ FastAPI (API RESTful) scikit-learn (Random Forest) NLTK (Processamento de Linguagem Natural) TF-IDF Vectorizer Pandas, PyPDF2 Docker Frontend: React 18 TypeScript Vite CSS3 Deploy: Render (Cloud Platform) Docker (Containerização) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📊 MÉTRICAS DE PERFORMANCE ✅ 92% de acurácia geral ✅ 90% de cross-validation (±3%) ✅ 91% de precisão (Produtivo) | 93% (Improdutivo) ✅ 94% de recall (Produtivo) | 90% (Improdutivo) ✅ menor qu 100ms de tempo de resposta ✅ 2000 emails no dataset balanceado ✅ 19 features customizadas + 8000 TF-IDF features ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🚀 FUNCIONALIDADES PRINCIPAIS 🤖 Classificação inteligente com IA híbrida (TF-IDF + Random Forest) 💬 Geração automática de respostas contextualizadas 📎 Suporte a múltiplos formatos (.txt, .pdf) 🎨 Interface web moderna e intuitiva 📊 Estatísticas e métricas em tempo real 🔧 API RESTful completa e documentada 🐳 Deploy com Docker ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🎓 DIFERENCIAIS TÉCNICOS ✨ Arquitetura modular (Services, Interfaces, Repositories, Utils) ✨ Dataset customizado para contexto empresarial brasileiro ✨ Feature engineering avançado (19 features especializadas) ✨ Logger customizado para observabilidade ✨ Scripts de treinamento e geração de datasets ✨ Endpoints de health check e monitoramento ✨ Documentação completa e código limpo ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ⏱️ TIMESTAMPS 0:00 - Introdução e contexto do desafio 0:30 - Demonstração da aplicação online 3:00 - Explicação técnica da solução 4:20 - Diferenciais e features extras 4:45 - Conclusão e aprendizados ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 👨‍💻 SOBRE MIM Sou Mikhael Barreto Santana, desenvolvedor full-stack apaixonado por resolver problemas reais com tecnologia. Especializado em soluções com Inteligência Artificial, Machine Learning e desenvolvimento web moderno. ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📌 HASHTAGS #InteligenciaArtificial #MachineLearning #Python #React #FastAPI #NLP #DataScience #IA #EmailClassification #AutoU #TechChallenge #WebDevelopment #TypeScript #Docker #CloudComputing #RandomForest #scikit-learn #NLTK #API #FullStack #DesenvolvedorPython ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📝 NOTA Este projeto foi desenvolvido como parte do processo seletivo da AutoU. A aplicação está online e totalmente funcional para testes. Desenvolvido com ❤️ para automatizar o futuro da comunicação empresarial. ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ © 2025 Mikhael Barreto Santana - Todos os direitos reservados