Precisei usar uma alternativa ao Colab | Python: Inteligência Artificial Aplicada

Eu não estava conseguindo concluir os desafios pois minha quota estava acabando muito rápido, acabei optando pelo Groq que haviam mostrado em uma das aulas, meu código ficou assim:

import pandas as pd
from groq import Groq

arquivo_review = r"H:\Meu Drive\Cursos\Alura\Engenharia de IA\reviews.csv"

# Lendo o arquivo, armazenando o review em um df e criando uma lista vazia para armazenar os sentimentos
df_review = pd.read_csv(arquivo_review)
df_texto_review = df_review["reviewText"]
lista_sentimento = []
client = Groq()

# Utilizando a IA para classificar o sentimento do feedback
for review in df_texto_review:
    messages = [
        {
            "role": "system",
            "content": "Analise o review a seguir e classifique o review em 'Positivo', 'Negativo', 'Neutro': ",
        },
        {
            "role": "user",
            "content": review,
        },
    ]
    completion = client.chat.completions.create(
        model="openai/gpt-oss-20b",
        messages=messages,
        temperature=0.0,
        max_completion_tokens=8192,
        top_p=1,
        reasoning_effort="medium",
        stream=False,
        stop=None,
    )

    # Recebe o resultado da classificação e salva na variavel sentimento
    sentimento = completion.choices[0].message.content.strip()

    # Adiciona o sentimento em ordem, na lista
    lista_sentimento.append(sentimento)

    # Print para acompanhamento, pode comentar após perceber que está rodando bem
    print(f"Review analisado: {sentimento}")

# Adiciona a lista criada pelo Groq ao DataFrame de Review criando a coluna 'sentimentoByGroq'
df_review["sentimentoByGroq"] = lista_sentimento

# Grava no csv o df e conclui a adição da coluna com a respectiva classificação feita pelo Groq
df_review.to_csv(arquivo_review, index=False)

print(f"O processo foi finalizado e o {arquivo_review} foi atualizado com sucesso")

Oi, Gilfran! Como vai?

Agradeço por compartilhar seu código com a comunidade Alura.

Parabéns por sua iniciativa de adaptar a solução usando o Groq quando a quota do Colab se tornou um limite, mantendo a lógica de leitura com pandas e a organização do DataFrame, o que mostra cuidado com o fluxo da atividade e com a análise de sentimento.

Uma dica interessante para o futuro é usar o método apply do pandas para centralizar o processamento em uma função, deixando o código mais organizado e fácil de manter. Veja este exemplo:


def classificar_sentimento(texto):
    return texto.upper()

df_review["sentimento"] = df_review["reviewText"].apply(classificar_sentimento)

Esse código cria uma função simples e aplica em cada linha da coluna, evitando loops explícitos e facilitando testes.

Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!