Tech Challenge Fase 4 - FIAP | Machine Learning Engineering
Sistema de geração criativa de histórias em português utilizando modelos de linguagem generativos (GPT-2 e BLOOM). A aplicação permite criar narrativas originais e envolventes em diversos gêneros literários através de uma interface interativa.
# Clone o repositório
git clone https://github.com/RicardoSMatos/fiap-fase-4.git
cd fiap-fase-4
# Crie ambiente virtual
python -m venv venv
venv\Scripts\activate # Windows
# Instale dependências
pip install -r requirements.txt
streamlit run app.py
Acesse: http://localhost:8501
fiap-fase-4/
├── app.py # Aplicação Streamlit
├── train_model_script.py # Script de treinamento
├── evaluate_model.py # Avaliação do modelo
├── src/ # Módulos principais
│ ├── model.py # Classe TextGenerator
│ ├── prompts.py # Templates otimizados
│ └── utils.py
├── data/ # Dataset de histórias
└── docs/ # Documentação completa
Controle total sobre personagens, cenário e tom narrativo.
Escreva o início e o modelo continua a história.
O modelo cria tudo: personagens, cenário e trama.
| Modelo | Parâmetros | Qualidade | Velocidade | Streamlit Cloud |
|---|---|---|---|---|
| Fine-tuned GPT-2 | 124M | ⭐⭐⭐⭐⭐ | 🚀🚀🚀 | ✅ |
| BLOOM 560M | 560M | ⭐⭐⭐⭐ | 🚀🚀 | ✅ Recomendado |
| GPT-2 PT Small | 124M | ⭐⭐⭐ | 🚀🚀🚀 | ✅ |
Nota: Modelos maiores (BLOOM 1B1, mGPT) foram removidos para compatibilidade com Streamlit Cloud (limite de 1GB RAM). Use-os localmente se necessário.
Para mais informações, consulte a documentação completa:
Ricardo Matos
FIAP - Machine Learning Engineering - Fase 4
Outubro 2025
Projeto desenvolvido para fins educacionais como parte do curso de Machine Learning Engineering da FIAP.
4 commits
Python
71.9%
Jupyter Notebook
26.3%
Shell
1.9%
Tech Challenge Fase 4 - FIAP | Machine Learning Engineering
Sistema de geração criativa de histórias em português utilizando modelos de linguagem generativos (GPT-2 e BLOOM). A aplicação permite criar narrativas originais e envolventes em diversos gêneros literários através de uma interface interativa.
# Clone o repositório
git clone https://github.com/RicardoSMatos/fiap-fase-4.git
cd fiap-fase-4
# Crie ambiente virtual
python -m venv venv
venv\Scripts\activate # Windows
# Instale dependências
pip install -r requirements.txt
streamlit run app.py
Acesse: http://localhost:8501
fiap-fase-4/
├── app.py # Aplicação Streamlit
├── train_model_script.py # Script de treinamento
├── evaluate_model.py # Avaliação do modelo
├── src/ # Módulos principais
│ ├── model.py # Classe TextGenerator
│ ├── prompts.py # Templates otimizados
│ └── utils.py
├── data/ # Dataset de histórias
└── docs/ # Documentação completa
Controle total sobre personagens, cenário e tom narrativo.
Escreva o início e o modelo continua a história.
O modelo cria tudo: personagens, cenário e trama.
| Modelo | Parâmetros | Qualidade | Velocidade | Streamlit Cloud |
|---|---|---|---|---|
| Fine-tuned GPT-2 | 124M | ⭐⭐⭐⭐⭐ | 🚀🚀🚀 | ✅ |
| BLOOM 560M | 560M | ⭐⭐⭐⭐ | 🚀🚀 | ✅ Recomendado |
| GPT-2 PT Small | 124M | ⭐⭐⭐ | 🚀🚀🚀 | ✅ |
Nota: Modelos maiores (BLOOM 1B1, mGPT) foram removidos para compatibilidade com Streamlit Cloud (limite de 1GB RAM). Use-os localmente se necessário.
Para mais informações, consulte a documentação completa:
Ricardo Matos
FIAP - Machine Learning Engineering - Fase 4
Outubro 2025
Projeto desenvolvido para fins educacionais como parte do curso de Machine Learning Engineering da FIAP.
4 commits
Python
71.9%
Jupyter Notebook
26.3%
Shell
1.9%