File size: 1,605 Bytes
851faf2 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 | # ReadMe - Traductor RNN UAC
# @markdown
<img src="https://huggingface.co/spaces/NICOMOSHE/RNN" alt="HuggingFace Spaces">
# Traductor RNN - UAC
Traductor autom├ütico Ingl├®. <-> Espa├▒ol basado en Redes Neuronales Recurrentes (RNN) implementado con la metodolog├¢a CRISP-ML(Q).
## Caracteristicas
- **Arquitectura**: Seq2Seq LSTM with Attention
- **BLEU Score**: 0.90
- **Epocas**: 100
- **Parametros**: 7,697,741
## Uso
### Interfaz Web
Ve a: [HuggingFace Spaces](https://huggingface.co/spaces/NICOMOSHE/RNN)
### Python
```python
import gradio as gr
# Ver app.py para el codigo completo
```
### Google Colab
Abre `colab.ipynb` y ejecuta las celdas.
## Archivos
| Archivo | Descripcion |
|---------|------------|
| `app.py` | API Flask |
| `app_hf.py` | Gradio para HuggingFace |
| `colab.ipynb` | Notebook para Colab |
| `train_v3.py` | Entrenamiento |
| `translator.pt` | Modelo entrenado |
| `notebook.py` | Curvas de perdida |
| `loss_curves.png` | Grafico de perdidas |
## CRISP-ML(Q)
Este proyecto sigue las 6 fases de CRISP-ML(Q):
1. **Business Understanding**: Definir metricas (BLEU >= 0.30)
2. **Data Preparation**: Corpus de 322 parejas
3. **Modeling**: Seq2Seq con LSTM
4. **Evaluation**: BLEU Score = 0.90
5. **Deployment**: API REST
6. **Monitoring**: Deteccion de deriva
## Ejemplos
| Ingles | Espa├▒ol |
|--------|----------|
| hello | hola |
| thank you | gracias |
| i am a student | soy estudiante |
| where is the library | donde esta la biblioteca |
## Creditos
Desarrollado para el Taller 2.5 - Proyecto RNN UAC
Universidad Autonoma del Caribe (UAC) |