Update README.md

README.md

@@ -1,32 +1,45 @@
 ---
+language:
+- fr
 license: mit
+datasets:
+- UMA-IA/UMA_Dataset_Components_LLM
+base_model: mistralai/Mistral-7B-v0.1
+tags:
+- aerospace
+- aeronautics
+- engineering
+- technical-QA
+- components
+- propulsion
+pipeline_tag: text-generation
 ---
-# SpaceYL/Components_Aerospatiaux_Dataset
 
-## Authors
+## Model Details
+**Model Name:** UMA-IA/LLM_Components_Finetuned 
+**Authors:**  
 - **Youri LALAIN**, Engineering student at French Engineering School ECE  
 - **Lilian RAGE**, Engineering student at French Engineering School ECE  
+**Base Model:** [Mistral-7B-v0.1](https://huggingface.co/mistralai/Mistral-7B-v0.1)  
+**Fine-tuned Dataset:** [UMA-IA/UMA_Dataset_Components_LLM](https://huggingface.co/datasets/UMA-IA/UMA_Dataset_Components_LLM)  
+**License:** Apache 2.0  
 
-## Dataset Summary
-The **SpaceYL/Components_Aerospatiaux_Dataset** is a specialized dataset designed for training language models in the field of **aerospace and aeronautical engineering components**. It consists of structured **question-answer pairs** related to aerospace propulsion components, particularly focusing on **component specifications, maintenance, suppliers, functional roles, and failure analysis**. The dataset is suitable for **fine-tuning language models** to assist in technical Q&A tasks related to aerospace components and propulsion systems.
+## Model Description
+# Mistral-7B Fine-tuné sur les composants aérospatiaux
 
-## Dataset Details
-- **Total Samples**: ~800 question-answer pairs
-- **Format**: JSON format with messages and metadata structures
-- **Fields**:
-  - `messages`: Array containing system prompt, user question, and assistant answer
-  - `metadata`: A structured dictionary providing additional information about components
-    - `domain`: Domain of expertise ("Aérospatial")
-    - `category`: Technical category (e.g., "DURÉE_DE_VIE", "MAINTENANCE", "RÔLE_FONCTIONNEL")
-    - `component_name`: Name of the specific component (e.g., "Tuyère", "Soufflante", "Chambre de combustion")
-    - `theme`: Additional categorization of the question
-    - `source`: Data source information
-- **Languages**: French (`fr`)
+LLM_Components_Finetuned_V1 est une version spécialisée du modèle Mistral-7B, fine-tunée pour fournir des réponses précises et concises aux questions techniques concernant les composants aérospatiaux et aéronautiques. Le modèle s'appuie sur le dataset SpaceYL/Components_Aerospatiaux_Dataset pour améliorer sa compréhension des composants de propulsion, leurs caractéristiques techniques, et leur maintenance.
 
-## Component Categories
-The dataset covers two main categories of aerospace components:
+## Capacités
+- Réponses techniques concernant les composants aérospatiaux
+- Informations sur les fournisseurs de composants spécifiques
+- Détails sur la durée de vie et la maintenance des composants
+- Explications du rôle fonctionnel des composants
+- Analyse des modes de défaillance et leurs conséquences
+- Délimitation claire des domaines d'expertise (reconnaissance des questions hors domaine)
 
-### Rocket Engine Components
+## Composants couverts
+
+### Composants de moteurs-fusées
 - Tuyère (Nozzle)
 - Chambre de combustion (Combustion chamber)
 - Turbopompe (Turbopump)
@@ -36,9 +49,9 @@ The dataset covers two main categories of aerospace components:
 - Vanne de régulation (Control valve)
 - Conduits de carburant (Fuel lines)
 - Système de refroidissement (Cooling system)
-- And many more...
+- Et plus encore...
 
-### Jet Engine Components
+### Composants de turboréacteurs
 - Soufflante (Fan)
 - Compresseur (Compressor)
 - Chambre annulaire (Annular chamber)
@@ -48,62 +61,42 @@ The dataset covers two main categories of aerospace components:
 - Stator (Stator)
 - Redresseur de flux (Flow straightener)
 - Aubes (Blades)
-- And many more...
-
-## Aspect Categories
-For each component, the dataset covers five main technical aspects:
+- Et plus encore...
 
-1. **FOURNISSEURS**: Information about component suppliers, manufacturers, and supply chain
-2. **DURÉE_DE_VIE**: Component lifespan, usage cycles, aging factors, and operational limits
-3. **MAINTENANCE**: Maintenance procedures, inspection frequencies, specialized tools, and replacement parts
-4. **RÔLE_FONCTIONNEL**: Functional role of the component, system integration, and technical parameters
-5. **IMPACT_DÉFAILLANCE**: Failure modes, systemic consequences, early warning signs, and redundancy systems
+## Cas d'utilisation
+- Support technique en ingénierie aérospatiale
+- Formation et éducation sur les systèmes de propulsion
+- Assistance à la conception et à la maintenance de systèmes aérospatiaux
+- Documentation technique et développement de bases de connaissances
+- Applications pédagogiques en ingénierie aérospatiale
 
-## Example Entries
+## Détails d'entraînement
+Ce modèle a été fine-tuné sur le dataset UMA-IA/UMA_Dataset_Components_LLM, qui contient environ 800 paires question-réponse concernant divers composants aérospatiaux. Le processus de fine-tuning a utilisé la technique LoRA (Low-Rank Adaptation) pour adapter efficacement le modèle Mistral-7B à ce domaine spécifique.
 
-### Example 1: Question about a Rocket Engine Component
-```json
-{
-  "messages": [
-    {
-      "role": "system",
-      "content": "Vous êtes un ingénieur spécialisé en composants aérospatiaux. Donnez une réponse technique précise à cette question sur Tuyère."
-    },
-    {
-      "role": "user",
-      "content": "Quelle est la durée de vie moyenne d'une tuyère?"
-    },
-    {
-      "role": "assistant",
-      "content": "La durée de vie moyenne d'une tuyère est de 1500 à 2000 cycles d'utilisation. Les températures extrêmes et l'érosion thermique sont les principaux facteurs limitants. Cette durée varie selon le matériau et le système de refroidissement utilisés."
-    }
-  ],
-  "metadata": {
-    "domain": "Aérospatial",
-    "category": "DURÉE_DE_VIE",
-    "component_name": "Tuyère",
-    "theme": "question_simple",
-    "source": "gemini_api"
-  }
-}
-```
+## Comment utiliser
 
-## How to Use
-You can load the model using Hugging Face's `transformers` library:
+Vous pouvez charger le modèle en utilisant la bibliothèque `transformers` de Hugging Face:
 
 ```python
-import json
+from transformers import AutoModelForCausalLM, AutoTokenizer
 
-# Load the dataset
-with open("dataset_composants_simples.json", "r", encoding="utf-8") as f:
-    dataset = json.load(f)
+# Charger le modèle et le tokenizer
+model_name = "SpaceYL/LLM_Components_Finetuned_V1"
+model = AutoModelForCausalLM.from_pretrained(model_name)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
 
-# Example: Extract a question-answer pair
-sample = dataset[0]
-question = next(msg["content"] for msg in sample["messages"] if msg["role"] == "user")
-answer = next(msg["content"] for msg in sample["messages"] if msg["role"] == "assistant")
-component = sample["metadata"]["component_name"]
+# Format d'entrée recommandé
+question = "Quelle est la durée de vie moyenne d'une tuyère?"
+context = "Type: COMPOSANT, Composant: Tuyère, Catégorie: DURÉE_DE_VIE, Thème: question_simple"
+input_text = f"Question: {question}\nContexte: {context}\nRéponse:"
 
-print(f"Component: {component}")
-print(f"Question: {question}")
-print(f"Answer: {answer}")
+# Générer une réponse
+inputs = tokenizer(input_text, return_tensors="pt").to(model.device)
+outputs = model.generate(
+    inputs["input_ids"], 
+    max_new_tokens=50, 
+    temperature=0.7,
+    top_p=0.9
+)
+response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+print(response)