🤖 Análise Inteligente de Imagens, Textos e Sentimentos com IA na AWS

📌 Visão Geral do Projeto

Este repositório contém a implementação prática de uma solução de Inteligência Artificial Aplicada desenvolvida durante o bootcamp da DIO (Digital Innovation One).

O objetivo do projeto é demonstrar como orquestrar múltiplos serviços cognitivos gerenciados da AWS usando Python para analisar dados visuais e textuais.

🏗️ Arquitetura e Serviços Utilizados

Serviço AWSFunção no ProjetoAnalogia DidáticaAmazon RekognitionDetecção de rótulos, objetos e cenas em imagens👀 Os Olhos do SistemaAmazon TextractOCR inteligente para extração de texto em mídias📖 A Lupa de LeituraAmazon ComprehendProcessamento de Linguagem Natural (NLP) e Sentimentos💭 O Sensor de Emoções

🚀 Como Executar o Projeto Localmente

1. Pré-requisitos

• Python 3.9+ instalado
• Conta ativa na AWS com credenciais configuradas

2. Instalação

Clone o repositório e instale as dependências: ```bash git clone https://github.com/SEU-USUARIO/SEU-REPOSITORIO.git cd SEU-REPOSITORIO pip install -r requirements.txt ```

3. Configuração das Variáveis de Ambiente

Crie um arquivo .env na raiz do projeto (nunca faça commit deste arquivo): ```env AWS_ACCESS_KEY_ID=sua_access_key AWS_SECRET_ACCESS_KEY=sua_secret_key AWS_DEFAULT_REGION=us-east-1 ```

4. Execução

Adicione sua imagem de teste como exemplo.jpg e execute: ```bash python app.py ```

📊 Evidências de Execução (Prints)

🖥️ Resultado da Execução do Script Python

💡 Principais Insights e Aprendizados

1. Abstração de Modelos Complexos: Os serviços pré-treinados da AWS permitem integrar Visão Computacional e NLP em aplicações com pouquíssimas linhas de código, dispensando o treinamento de redes neurais do zero.
2. Importância do Score de Confiança (Confidence): Tanto o Rekognition quanto o Textract fornecem métricas de probabilidade, o que permite criar regras de negócio seguras (ex.: só aceitar identificações com >80% de precisão).
3. Boas Práticas de Segurança em Nuvem: Uso de variáveis de ambiente (.env) e .gitignore para impedir o vazamento acidental de chaves de API públicas no GitHub.

🔮 Possibilidades de Evolução

• Criar uma interface web amigável com Streamlit ou Gradio.
• Implementar leitura de notas fiscais em lote com envio de alertas automáticos.
• Pipeline Serverless usando AWS Lambda e Amazon S3 para análise em tempo real ao fazer upload de imagens.

👨‍💻 Autor

Desenvolvido por [Elias Santos]

• LinkedIn: [https://www.linkedin.com/in/elias-santos-/] <<<<<<< HEAD
• GitHub: [github.com/elias-santos87]