2025-10-24 –, Intermediate
Como aplicamos Python e Vertex AI para evoluir a busca jurídica com vetores, melhorando a relevância em meio a 1B+ de documentos com exemplos práticos e visão de produto.
link do colab: https://colab.research.google.com/drive/1yad4daSdvAEfRWgh_D1QxZh7-5wE4nxR?usp=sharing
Como aplicar machine learning de forma prática para melhorar a vida de quem busca por decisões judiciais, súmulas e doutrinas em meio a mais de 1 bilhão de documentos? Nesta palestra, compartilho como estamos evoluindo a busca tradicional por palavras-chave para uma busca semântica baseada em vetores, utilizando Python e o Vertex AI Matching Engine.
Vou mostrar, com exemplos reais do nosso produto de pesquisa jurídica, como gerar embeddings, indexar documentos e realizar buscas mais inteligentes que entendem o contexto da consulta — mesmo quando o usuário não acerta nos termos exatos.
Além da parte técnica (com notebooks e código em Python), discuto os critérios de produto que nos levaram a explorar a busca vetorial, os desafios de relevância em linguagem jurídica, e como experimentamos com segurança em um ambiente de alta responsabilidade.
Conhecimento básico em Python e compreensão inicial de conceitos de vetores são úteis para acompanhar a palestra e o live coding. .
What can participants expect to learn from your activity?:Os participantes vão aprender os conceitos fundamentais da busca vetorial, como gerar embeddings que capturam o significado dos textos, e como usar o Vertex AI Vector Search para criar índices vetoriais escaláveis. Também entenderão como realizar consultas semânticas eficientes em linguagem natural, superando limitações da busca tradicional por palavras-chave, com foco em aplicações práticas no domínio jurídico.
Choose one or more areas where this proposal fits.:Machine Learning e Inteligência Artificial
gerente de produto no Jusbrasil, mestra em IA no PPGI-UFRJ, prof. de Computação no Instituto Infnet e entusiasta de tecnologia .Participa do PythonRio e PyLadies Rio & Brasil há mais de 10 anos.