user@devops:~$ cat README.md
Embeddings & Semantic Search
# Descrição
Projeto educacional de Embeddings e Busca Semântica com Sentence Transformers. Utiliza o modelo all-MiniLM-L6-v2 (384 dimensões) para converter 30 documentos em português (6 temas: ML, Mudanças Climáticas, Espaço, Saúde, Tecnologia, Arte) em vetores semânticos. Demonstra quatro conceitos fundamentais: (1) geração de embeddings e análise de similaridade cosseno entre documentos, (2) busca semântica por significado vs busca por palavras-chave, (3) visualização de embeddings com t-SNE mostrando clusters por tema, e (4) pipeline RAG básico que recupera documentos relevantes e gera respostas contextualizadas. Inclui 4 visualizações: projeção t-SNE 2D, matriz de similaridade cosseno, comparação intra-tema vs inter-tema e resultados de busca semântica. Diferença média intra-tema: 0.324 vs inter-tema: 0.182 (Δ=0.142).
# Características principais
$ Embeddings semânticos com Sentence-BERT all-MiniLM-L6-v2 (384 dimensões)
$ Corpus de 30 documentos em português com 6 categorias temáticas
$ Busca semântica por similaridade cosseno: encontra documentos por significado
$ Comparativo Keyword Search vs Semantic Search com análise de resultados
$ Visualização 2D com t-SNE: clusters semânticos por tema claramente separados
$ Matriz de similaridade cosseno completa (30×30) com heatmap
$ Pipeline RAG básico: recuperação de contexto + geração de respostas
$ 4 visualizações profissionais salvas em alta resolução
# Galeria
# Tecnologias utilizadas
