Deploy complete PERI BERT model with Git LFS

.gitattributes

@@ -33,3 +33,5 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+model/*.safetensors filter=lfs diff=lfs merge=lfs -text
+model/*.bin filter=lfs diff=lfs merge=lfs -text

README.md

@@ -1,12 +1,249 @@
----
-title: PERI
-emoji: 🏃
-colorFrom: purple
-colorTo: blue
-sdk: docker
-pinned: false
-license: apache-2.0
-short_description: 🧠 PERI - PERSONAL ETHICS & AI RELATIONS INDICATOR
+# 🤖 PERI BERT Classifier - HuggingFace Space
+
+API REST para clasificación de arquetipos éticos en reflexiones sobre IA usando BERT fine-tuneado.
+
+## 📋 Descripción
+
+Este espacio proporciona una API FastAPI para clasificar reflexiones éticas sobre IA en 5 arquetipos PERI:
+
+1. **Tecnócrata Optimizador** - Confía en la eficiencia de sistemas automatizados
+2. **Humanista Crítico** - Prioriza el bienestar humano y cuestiona sesgos
+3. **Pragmático Equilibrado** - Busca balance entre innovación y humanidad
+4. **Visionario Adaptativo** - Abraza la transformación tecnológica
+5. **Escéptico Conservador** - Postura cautelosa hacia la IA
+
+## 🚀 Características
+
+- **MC Dropout**: Uncertainty quantification para cada predicción
+- **Batch Processing**: Clasificación de múltiples textos simultáneamente
+- **FastAPI Docs**: Documentación interactiva automática
+- **CORS Enabled**: Listo para integración desde cualquier frontend
+- **Métricas detalladas**: Confidence, uncertainty, top-3 predictions
+
+## 🔧 Endpoints
+
+### `GET /`
+Documentación interactiva Swagger UI
+
+### `GET /health`
+Health check del servicio
+```json
+{
+  "status": "healthy",
+  "model_loaded": true,
+  "device": "cuda",
+  "timestamp": 1234567890.123
+}
+```
+
+### `GET /info`
+Información del modelo
+```json
+{
+  "model_name": "bert-base-multilingual-cased (fine-tuned)",
+  "num_classes": 5,
+  "max_length": 512,
+  "device": "cuda",
+  "mc_dropout_samples": 10,
+  "archetypes": [...]
+}
+```
+
+### `POST /predict`
+Clasificar una reflexión individual
+
+**Request:**
+```json
+{
+  "text": "La automatización mediante IA representa...",
+  "use_mc_dropout": true
+}
+```
+
+**Response:**
+```json
+{
+  "archetype": {
+    "id": "TECNOCRATA_OPTIMIZADOR",
+    "name": "Tecnócrata Optimizador",
+    "description": "Confía en la eficiencia y objetividad..."
+  },
+  "confidence": 0.87,
+  "uncertainty": 0.23,
+  "top3_predictions": [
+    {
+      "archetype_id": "TECNOCRATA_OPTIMIZADOR",
+      "archetype_name": "Tecnócrata Optimizador",
+      "probability": 0.87
+    },
+    {
+      "archetype_id": "PRAGMATICO_EQUILIBRADO",
+      "archetype_name": "Pragmático Equilibrado",
+      "probability": 0.08
+    },
+    {
+      "archetype_id": "VISIONARIO_ADAPTATIVO",
+      "archetype_name": "Visionario Adaptativo",
+      "probability": 0.03
+    }
+  ],
+  "inference_time_ms": 245.6,
+  "method": "bert-mc-dropout"
+}
+```
+
+### `POST /predict-batch`
+Clasificar múltiples reflexiones (máx 50)
+
+**Request:**
+```json
+{
+  "texts": ["Reflexión 1...", "Reflexión 2...", "..."],
+  "use_mc_dropout": true
+}
+```
+
+**Response:**
+```json
+{
+  "predictions": [...],
+  "total_inference_time_ms": 1234.5
+}
+```
+
+## 🛠️ Uso desde JavaScript/TypeScript
+
+```typescript
+// Clasificar una reflexión
+async function classifyReflection(text: string) {
+  const response = await fetch('https://your-space.hf.space/predict', {
+    method: 'POST',
+    headers: {
+      'Content-Type': 'application/json',
+    },
+    body: JSON.stringify({
+      text: text,
+      use_mc_dropout: true
+    })
+  });
+
+  const result = await response.json();
+  console.log('Arquetipo:', result.archetype.name);
+  console.log('Confianza:', result.confidence);
+  console.log('Incertidumbre:', result.uncertainty);
+  return result;
+}
+```
+
+## 📦 Deployment en HuggingFace Space
+
+### Paso 1: Crear Space
+
+1. Ir a https://huggingface.co/spaces
+2. Click "Create new Space"
+3. Configurar:
+   - **Name**: `peri-bert-classifier`
+   - **License**: MIT
+   - **Space SDK**: Docker
+   - **Hardware**: CPU basic (o T4 small para GPU)
+
+### Paso 2: Subir archivos
+
+Estructura del repositorio:
+```
+peri-bert-classifier/
+├── app.py                    # API FastAPI
+├── requirements.txt          # Dependencias Python
+├── Dockerfile               # Configuración Docker
+├── README.md                # Esta documentación
+└── model/                   # Modelo BERT fine-tuneado
+    ├── config.json
+    ├── pytorch_model.bin
+    ├── tokenizer_config.json
+    └── vocab.txt
+```
+
+### Paso 3: Dockerfile
+
+```dockerfile
+FROM python:3.10-slim
+
+WORKDIR /app
+
+# Copiar archivos
+COPY requirements.txt .
+COPY app.py .
+COPY model/ ./model/
+
+# Instalar dependencias
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Exponer puerto
+EXPOSE 7860
+
+# Comando de inicio
+CMD ["uvicorn", "app:app", "--host", "0.0.0.0", "--port", "7860"]
+```
+
+### Paso 4: Git push
+
+```bash
+# Clonar el space
+git clone https://huggingface.co/spaces/YOUR_USERNAME/peri-bert-classifier
+cd peri-bert-classifier
+
+# Copiar archivos
+cp app.py requirements.txt Dockerfile README.md .
+cp -r ../../../models/peri-bert/best_model ./model
+
+# Push
+git add .
+git commit -m "Initial deployment"
+git push
+```
+
+## 🧪 Testing Local
+
+```bash
+# Instalar dependencias
+pip install -r requirements.txt
+
+# Ejecutar servidor
+python app.py
+
+# Acceder a:
+# - Docs: http://localhost:7860
+# - Health: http://localhost:7860/health
+```
+
+## 📊 Performance
+
+- **Latencia (sin GPU)**: ~200-300ms por reflexión
+- **Latencia (con GPU T4)**: ~50-100ms por reflexión
+- **Throughput batch**: ~10 reflexiones/segundo (GPU)
+- **Memoria**: ~2GB RAM + ~1GB VRAM (GPU)
+
+## 🔒 Seguridad
+
+- Input validation con Pydantic
+- CORS configurado (ajustar origins en producción)
+- Rate limiting recomendado para producción
+- Longitud máxima de texto: 5000 caracteres
+
+## 📈 Métricas del Modelo
+
+- **Test Accuracy**: ~84%
+- **MC Dropout Accuracy**: ~86%
+- **Mean Uncertainty**: 0.32
+- **F1-Score (macro avg)**: 0.84
+
+## 📞 Soporte
+
+Para issues o preguntas sobre el modelo:
+- GitHub: [PERI Project](https://github.com/...)
+- Paper: [Ver documentación científica]
+
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+**Generado con ❤️ para el proyecto PERI**
+**Deep Learning Conference 2025**

model/model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:3fa322af7e353a942ef53d90c6ccd40c1d795777cf31bf9e4b41dd799c0b8382
+size 711452684