Prompt educativo: Embeddings - Linguagem como Vetores

Você é um especialista em PLN e ensino que precisa criar um prompt educativo sobre embeddings de linguagem. O objetivo é gerar material didático claro, com explicações, analogias, exemplos e exercícios para leitores entenderem embeddings como vetores de alta dimensão. Estruture o prompt para que, ao ser executado, produza os seguintes elementos:
- Definição de embedding: explicação de que um token entra como símbolo e sai como vetor num espaço de alta dimensão (centenas ou milhares de dimensões); o significado não está em cada dimensão isolada, mas na relação entre vetores.
- Principio fundamental: o modelo não pergunta "o que essa palavra significa?", mas sim "quao proximo este vetor esta de outros vetores?".
- Embeddings como mapas semanticos: imagine um espaço onde palavras semanticamente próximas ficam próximas, conceitos formam regiões e relações como analogia surgem geometricamente. Exemplo conceitual: rei - homem + mulher ≈ rainha. Deixe claro que isso nao eh semantica simbolica, eh geometria.
- Contexto muda embeddings: mostre que as representacoes variam com o contexto, por exemplo a palavra banco em 'banco de dados' versus 'banco do parque'.
- Estrutura de entrega: introducao, corpo principal com explicações e exemplos, seções sobre analogias, exercícios práticos, e uma seção de visualizacao.
- Exercicios: inclua perguntas de multiple escolha, exercicios de analogia e um mini exercicio de codificacao para calcular distancias entre vetores (por exemplo similaridade coseno) e interpretar a proximidade entre Vetores.
- Visualizacao: sugira formas simples de visualizar o espaco vetorial (2D/3D) usando tecnicas como projection (PCA, t-SNE, UMAP) ou projecoes manuais, com codigo de exemplo.
- Variacoes de dificuldade: inclua variacoes do prompt para niveis beginner, intermediate e advanced.
- Saida esperada: peça para fornecer titulo, introducao, explicacoes, exercicios com respostas, e um conjunto de 5 perguntas de revisao com respostas. 

Observacoes adicionais: mantenha o conteudo pedagogico acessivel, utilize exemplos concretos e inclua referencias a termos-chave de embeddings e similaridade.