Update README.md

README.md

@@ -25,29 +25,29 @@ The model processes the review's text content, identifies linguistic patterns, a
 
 ## Intended uses & limitations
 
-Usos previstos:
+Intended Uses:
 
- - Clasificación automática de reseñas de películas en positivas o negativas.
+- Automatic classification of film reviews as positive or negative.
 
- - Análisis de sentimiento en plataformas de crítica cinematográfica.
+- Sentiment analysis on film review platforms.
 
- - Soporte para sistemas de recomendación basados en opiniones de usuarios.
+- Support for recommendation systems based on user reviews.
 
- - Monitorización de percepción del público sobre películas.
+- Monitoring audience perception of films.
 
-Limitaciones:
+Limitations:
 
- - El modelo solo distingue entre sentimiento positivo y negativo; no identifica matices más complejos como neutralidad o ironía.
+- The model only distinguishes between positive and negative sentiment; it does not identify more complex nuances such as neutrality or irony.
 
- - Puede tener menor precisión en textos ambiguos, sarcásticos o con lenguaje figurado.
+- It may be less accurate with ambiguous, sarcastic, or figurative language.
 
 ## Training and evaluation data
 
-El modelo fue entrenado utilizando un conjunto de datos compuesto por reseñas de películas etiquetadas manualmente como positivas o negativas. 
-Los datos incluyen textos de distintas longitudes y estilos de redacción para mejorar la capacidad de generalización del modelo.
+The model was trained using a dataset of film reviews manually labeled as positive or negative.
+The data includes texts of varying lengths and writing styles to improve the model's generalizability.
 
-El conjunto de datos se dividió en entrenamiento, validación y prueba para evaluar el rendimiento y evitar sobreajuste. 
-Las métricas utilizadas para la evaluación incluyen precisión (accuracy), precisión por clase, recall y F1-score.
+The dataset was divided into training, validation, and testing categories to evaluate performance and avoid overfitting.
+The metrics used for evaluation include accuracy, accuracy by class, recall, and F1 score.
 
 ## Training procedure