Update README.md

README.md

@@ -1,87 +1,98 @@
-
-# Detección sentimiento con SLM (DistilBERT, FLAN-T5)
-
-Este proyecto muestra cómo entrenar, probar y desplegar modelos de lenguaje pequeños (SLM) para análisis de sentimiento y respuesta a preguntas usando Hugging Face Transformers, PyTorch y Streamlit. Incluye una app interactiva lista para Hugging Face Spaces.
-
-
-## Requisitos
-
-- Python 3.8 o superior
-- Acceso a internet para descargar modelos preentrenados
-- Para la app web: Streamlit
-
-
-## Instalación de dependencias
-
-Instala todas las dependencias necesarias ejecutando:
-
-```bash
-pip install -r requirements.txt
-```
-
-El archivo `requirements.txt` incluye:
-- transformers[torch]
-- torch
-- streamlit
-- datasets, evaluate, scikit-learn, accelerate
-
-
-## Ejecución paso a paso (entrenamiento y prueba local)
-
-1. **Clona o descarga este repositorio y entra en la carpeta del proyecto.**
-2. **(Opcional) Crea y activa un entorno virtual:**
-   - **Windows:**
-     ```powershell
-     python -m venv .venv
-     .venv\Scripts\activate
-     ```
-   - **Linux/Mac:**
-     ```bash
-     python3 -m venv .venv
-     source .venv/bin/activate
-     ```
-3. **Instala las dependencias:**
-   ```bash
-   pip install -r requirements.txt
-   ```
-4. **Entrena y prueba el modelo:**
-   ```bash
-   python train_sentiment_model.py
-   ```
-5. **Ejecuta la app Streamlit localmente:**
-   ```bash
-   streamlit run app.py
-   ```
-
-
-## Despliegue en Hugging Face Spaces
-
-Puedes desplegar la app web en Hugging Face Spaces siguiendo estos pasos:
-
-1. Sube los archivos `app.py` y `requirements.txt` a tu nuevo Space (tipo Streamlit) en Hugging Face.
-2. (Opcional) Añade este `README.md` para documentar tu Space.
-3. El Space detectará automáticamente `app.py` y lanzará la app.
-
-**Nota:** Si tu modelo fine-tuned es privado, asegúrate de que el Space tenga acceso o hazlo público.
-
-### Ejecución local rápida
-
-```bash
-streamlit run app.py
-```
-
-
-## Notas
-- El script `train_sentiment_model.py` entrena y evalúa el modelo fine-tuned.
-- El archivo `app.py` es la app web para Spaces y para ejecución local.
-- Si tienes problemas con dependencias, asegúrate de tener la última versión de pip: `pip install --upgrade pip`.
-- El entrenamiento es rápido porque el dataset es pequeño y el modelo es ligero.
-
----
-
-
----
-
-**Autores:**
-- Juan Domingo ([GitHub](https://github.com/jdomdev))
-- Juan Carlos Macías ([GitHub](https://github.com/juancmacias))
+---
+title: SLM Sentiment & QA Demo
+emoji: 🧠
+colorFrom: indigo
+colorTo: blue
+sdk: streamlit
+sdk_version: 1.35.0
+app_file: app.py
+pinned: false
+license: mit
+short_description: Detección sentimiento con SLM (DistilBERT, FLAN-T5)
+---
+# Detección sentimiento con SLM (DistilBERT, FLAN-T5)
+
+Este proyecto muestra cómo entrenar, probar y desplegar modelos de lenguaje pequeños (SLM) para análisis de sentimiento y respuesta a preguntas usando Hugging Face Transformers, PyTorch y Streamlit. Incluye una app interactiva lista para Hugging Face Spaces.
+
+
+## Requisitos
+
+- Python 3.8 o superior
+- Acceso a internet para descargar modelos preentrenados
+- Para la app web: Streamlit
+
+
+## Instalación de dependencias
+
+Instala todas las dependencias necesarias ejecutando:
+
+```bash
+pip install -r requirements.txt
+```
+
+El archivo `requirements.txt` incluye:
+- transformers[torch]
+- torch
+- streamlit
+- datasets, evaluate, scikit-learn, accelerate
+
+
+## Ejecución paso a paso (entrenamiento y prueba local)
+
+1. **Clona o descarga este repositorio y entra en la carpeta del proyecto.**
+2. **(Opcional) Crea y activa un entorno virtual:**
+   - **Windows:**
+     ```powershell
+     python -m venv .venv
+     .venv\Scripts\activate
+     ```
+   - **Linux/Mac:**
+     ```bash
+     python3 -m venv .venv
+     source .venv/bin/activate
+     ```
+3. **Instala las dependencias:**
+   ```bash
+   pip install -r requirements.txt
+   ```
+4. **Entrena y prueba el modelo:**
+   ```bash
+   python train_sentiment_model.py
+   ```
+5. **Ejecuta la app Streamlit localmente:**
+   ```bash
+   streamlit run app.py
+   ```
+
+
+## Despliegue en Hugging Face Spaces
+
+Puedes desplegar la app web en Hugging Face Spaces siguiendo estos pasos:
+
+1. Sube los archivos `app.py` y `requirements.txt` a tu nuevo Space (tipo Streamlit) en Hugging Face.
+2. (Opcional) Añade este `README.md` para documentar tu Space.
+3. El Space detectará automáticamente `app.py` y lanzará la app.
+
+**Nota:** Si tu modelo fine-tuned es privado, asegúrate de que el Space tenga acceso o hazlo público.
+
+### Ejecución local rápida
+
+```bash
+streamlit run app.py
+```
+
+
+## Notas
+- El script `train_sentiment_model.py` entrena y evalúa el modelo fine-tuned.
+- El archivo `app.py` es la app web para Spaces y para ejecución local.
+- Si tienes problemas con dependencias, asegúrate de tener la última versión de pip: `pip install --upgrade pip`.
+- El entrenamiento es rápido porque el dataset es pequeño y el modelo es ligero.
+
+---
+
+
+---
+
+**Autores:**
+- Juan Domingo ([GitHub](https://github.com/jdomdev))
+- Juan Carlos Macías ([GitHub](https://github.com/juancmacias))