DATANESS commited on
Commit
705c9ce
·
1 Parent(s): 5aaa074

Fix README config

Browse files
Files changed (1) hide show
  1. README.md +8 -408
README.md CHANGED
@@ -1,410 +1,10 @@
1
- <<<<<<< HEAD
2
- # Analyseur de Sentiments | Sentiment Analyzer
3
-
4
- Application web permettant **d’analyser le sentiment de textes dans plus de 20 langues **Flask**.
5
-
6
- Ce projet a été réalisé dans le cadre de l’apprentissage du **Traitement Automatique du Langage Naturel (NLP)** et de l’**Intelligence Artificielle appliquée à l’analyse de texte**.
7
-
8
- ---
9
-
10
- # Structure du projet
11
-
12
- ```
13
- sentiment_project/
14
- ├── app.py ← Backend (serveur Flask)
15
- ├── requirements.txt ← Dépendances Python
16
- ├── Procfile ← Configuration pour le déploiement (Render / Railway)
17
- ├── .env.example ← Exemple de variables d’environnement
18
- ├── .gitignore ← Fichiers ignorés par Git
19
- ├── README.md ← Documentation du projet
20
- └── templates/
21
- └── index.html ← Interface utilisateur
22
- ```
23
-
24
- ---
25
-
26
- # Installation et exécution locale
27
-
28
- ## 1 Cloner le projet
29
-
30
- ```
31
- git clone https://github.com/username/sentiment-analyzer.git
32
- cd sentiment-analyzer
33
- ```
34
-
35
- ---
36
-
37
- ## 2 Créer un environnement virtuel
38
-
39
- ```
40
- python -m venv venv
41
- ```
42
-
43
- Activation :
44
-
45
- Mac / Linux
46
-
47
- ```
48
- source venv/bin/activate
49
- ```
50
-
51
- Windows
52
-
53
- ```
54
- venv\Scripts\activate
55
- ```
56
-
57
- ---
58
-
59
- ## 3 Installer les dépendances
60
-
61
- ```
62
- pip install -r requirements.txt
63
-
64
- ## Lancer le serveur
65
-
66
- ```
67
- python app.py
68
- ```
69
-
70
- Puis ouvrir dans le navigateur :
71
-
72
- ```
73
- http://localhost:5000
74
- ```
75
-
76
- ---
77
-
78
- # ☁️ Déploiement sur Render (gratuit)
79
-
80
- ## Publier sur GitHub
81
-
82
- ```
83
- git init
84
- git add .
85
- git commit -m "Initial commit"
86
- git remote add origin https://github.com/username/sentiment-analyzer.git
87
- git push -u origin main
88
- ```
89
-
90
- ⚠️ Vérifiez que le fichier `.env` n’est pas publié sur GitHub.
91
-
92
- ---
93
-
94
- ## Créer un compte Render
95
-
96
- Accéder à :
97
-
98
- https://render.com
99
-
100
- Puis se connecter avec GitHub.
101
-
102
- ---
103
-
104
- ## Créer un Web Service
105
-
106
- Configuration :
107
-
108
- | Paramètre | Valeur |
109
- | ------------- | ------------------------------- |
110
- | Build Command | pip install -r requirements.txt |
111
- | Start Command | gunicorn app:app |
112
- | Environment | Python |
113
-
114
- ---
115
-
116
- ## Ajouter les variables d’environnement
117
-
118
- Dans **Environment Variables** :
119
-
120
- ```
121
- ANTHROPIC_API_KEY = sk-ant-api03-XXXXXXXXXXXXXXXXXXXXXXXX
122
- ```
123
-
124
- ---
125
-
126
- ## Déployer
127
-
128
- Render générera une URL publique comme :
129
-
130
- ```
131
- https://sentiment-analyzer.onrender.com
132
- ```
133
-
134
- ---
135
-
136
- # Sécurité de la clé API
137
-
138
- | Bonne pratique | À éviter |
139
- | ------------------------- | -------------------------------------- |
140
- | Utiliser `.env` | Mettre la clé directement dans le code |
141
- | Variables d’environnement | Stocker la clé dans HTML |
142
- | Backend sécurisé | Publier la clé sur GitHub |
143
-
144
- ---
145
-
146
- # Technologies utilisées
147
-
148
- Backend
149
-
150
- * Python
151
- * Flask
152
- * Anthropic SDK
153
-
154
- Frontend
155
-
156
- * HTML
157
- * CSS
158
- * JavaScript
159
-
160
- Intelligence artificielle
161
-
162
- * Claude AI (Modèle : claude-sonnet-4)
163
-
164
- Déploiement
165
-
166
- * Render
167
- * Railway
168
- * Heroku
169
-
170
- Domaine
171
-
172
- * Natural Language Processing (NLP)
173
- * Analyse de sentiments multilingue
174
-
175
- ---
176
-
177
- # API Endpoints
178
-
179
- | Méthode | Route | Description |
180
- | ------- | ------------ | ----------------------- |
181
- | GET | / | Page principale |
182
- | POST | /api/analyze | Analyse du sentiment |
183
- | GET | /api/health | Vérification du serveur |
184
-
185
- ---
186
-
187
- ## Exemple d’appel API
188
-
189
- ```
190
- curl -X POST http://localhost:5000/api/analyze \
191
- -H "Content-Type: application/json" \
192
- -d '{"text": "Le produit est excellent!", "text_lang": "fr", "response_lang": "French"}'
193
- ```
194
-
195
- ---
196
-
197
- Développeur
198
-
199
- Projet réalisé dans le cadre de l’apprentissage de :
200
-
201
- * Data Science
202
- * Natural Language Processing (NLP)
203
- * Intelligence Artificielle
204
-
205
- Développé par :
206
-
207
- **Youness Mchaar**
208
- Étudiant en Génie Informatique & Data Science
209
-
210
- =======
211
- # Analyseur de Sentiments | Sentiment Analyzer
212
-
213
- Application web permettant **d’analyser le sentiment de textes dans plus de 20 langues **Flask**.
214
-
215
- Ce projet a été réalisé dans le cadre de l’apprentissage du **Traitement Automatique du Langage Naturel (NLP)** et de l’**Intelligence Artificielle appliquée à l’analyse de texte**.
216
-
217
- ---
218
-
219
- # Structure du projet
220
-
221
- ```
222
- sentiment_project/
223
- ├── app.py ← Backend (serveur Flask)
224
- ├── requirements.txt ← Dépendances Python
225
- ├── Procfile ← Configuration pour le déploiement (Render / Railway)
226
- ├── .env.example ← Exemple de variables d’environnement
227
- ├── .gitignore ← Fichiers ignorés par Git
228
- ├── README.md ← Documentation du projet
229
- └── templates/
230
- └── index.html ← Interface utilisateur
231
- ```
232
-
233
- ---
234
-
235
- # Installation et exécution locale
236
-
237
- ## 1 Cloner le projet
238
-
239
- ```
240
- git clone https://github.com/username/sentiment-analyzer.git
241
- cd sentiment-analyzer
242
- ```
243
-
244
  ---
245
 
246
- ## 2 Créer un environnement virtuel
247
-
248
- ```
249
- python -m venv venv
250
- ```
251
-
252
- Activation :
253
-
254
- Mac / Linux
255
-
256
- ```
257
- source venv/bin/activate
258
- ```
259
-
260
- Windows
261
-
262
- ```
263
- venv\Scripts\activate
264
- ```
265
-
266
- ---
267
-
268
- ## 3 Installer les dépendances
269
-
270
- ```
271
- pip install -r requirements.txt
272
-
273
- ## Lancer le serveur
274
-
275
- ```
276
- python app.py
277
- ```
278
-
279
- Puis ouvrir dans le navigateur :
280
-
281
- ```
282
- http://localhost:5000
283
- ```
284
-
285
- ---
286
-
287
- # Déploiement sur Render (gratuit)
288
-
289
- ## Publier sur GitHub
290
-
291
- ```
292
- git init
293
- git add .
294
- git commit -m "Initial commit"
295
- git remote add origin https://github.com/username/sentiment-analyzer.git
296
- git push -u origin main
297
- ```
298
-
299
- Vérifiez que le fichier `.env` n’est pas publié sur GitHub.
300
-
301
- ---
302
-
303
- ## Créer un compte Render
304
-
305
- Accéder à :
306
-
307
- https://render.com
308
-
309
- Puis se connecter avec GitHub.
310
-
311
- ---
312
-
313
- ## Créer un Web Service
314
-
315
- Configuration :
316
-
317
- | Paramètre | Valeur |
318
- | ------------- | ------------------------------- |
319
- | Build Command | pip install -r requirements.txt |
320
- | Start Command | gunicorn app:app |
321
- | Environment | Python |
322
-
323
- ---
324
-
325
-
326
- ## Déployer
327
-
328
- Render générera une URL publique comme :
329
-
330
- ```
331
- https://sentiment-analyzer.onrender.com
332
- ```
333
-
334
- ---
335
-
336
- # Sécurité de la clé API
337
-
338
- | Bonne pratique | À éviter |
339
- | ------------------------- | -------------------------------------- |
340
- | Utiliser `.env` | Mettre la clé directement dans le code |
341
- | Variables d’environnement | Stocker la clé dans HTML |
342
- | Backend sécurisé | Publier la clé sur GitHub |
343
-
344
- ---
345
-
346
- # Technologies utilisées
347
-
348
- Backend
349
-
350
- * Python
351
- * Flask
352
- * Anthropic SDK
353
-
354
- Frontend
355
-
356
- * HTML
357
- * CSS
358
- * JavaScript
359
-
360
- Intelligence artificielle
361
-
362
- * Claude AI (Modèle : claude-sonnet-4)
363
-
364
- Déploiement
365
-
366
- * Render
367
- * Railway
368
- * Heroku
369
-
370
- Domaine
371
-
372
- * Natural Language Processing (NLP)
373
- * Analyse de sentiments multilingue
374
-
375
- ---
376
-
377
- # API Endpoints
378
-
379
- | Méthode | Route | Description |
380
- | ------- | ------------ | ----------------------- |
381
- | GET | / | Page principale |
382
- | POST | /api/analyze | Analyse du sentiment |
383
- | GET | /api/health | Vérification du serveur |
384
-
385
- ---
386
-
387
- ## Exemple d’appel API
388
-
389
- ```
390
- curl -X POST http://localhost:5000/api/analyze \
391
- -H "Content-Type: application/json" \
392
- -d '{"text": "Le produit est excellent!", "text_lang": "fr", "response_lang": "French"}'
393
- ```
394
-
395
- ---
396
-
397
- Développeur
398
-
399
- Projet réalisé dans le cadre de l’apprentissage de :
400
-
401
- * Data Science
402
- * Natural Language Processing (NLP)
403
- * Intelligence Artificielle
404
-
405
- Développé par :
406
-
407
- **Youness Mchaar**
408
- Étudiant en Génie Informatique & Data Science
409
-
410
- >>>>>>> dd09b67ca40dbc4a67ac1527c8e0c9e7ea80fba5
 
1
+ title: Sentiment Analyzer
2
+ emoji: 🎭
3
+ colorFrom: purple
4
+ colorTo: pink
5
+ sdk: docker
6
+ pinned: false
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
7
  ---
8
 
9
+ # Analyseur de Sentiment NLP
10
+ Application multilingue d'analyse de sentiment construite avec Flask + Hugging Face.