wpbcpaz commited on
Commit
cfc7cd9
·
verified ·
1 Parent(s): 7023857

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +48 -61
README.md CHANGED
@@ -1,89 +1,75 @@
1
  ---
2
  tags:
3
- - chatbot
4
- - fitness
5
- - nutrição
6
- - treino
7
- - português
8
- - distilgpt2
9
  language: pt
10
  license: mit
11
  datasets:
12
- - wpbcpaz/fitness-chatbot-dataset
13
  metrics:
14
- - perplexity
15
  model-index:
16
- - name: Fitness Chatbot Model
17
- results:
18
- - task:
19
- type: text-generation
20
- name: Geração de texto
21
- dataset:
22
- name: Fitness Chatbot Dataset
23
- type: custom
24
- metrics:
25
- - name: Perplexity
26
- type: perplexity
27
- value: 12.3
28
- pipeline_tag: text-generation
29
  ---
30
 
31
- ![Capa do Chatbot](https://huggingface.co/wpbcpaz/fitness-chatbot-model/blob/main/chatbot_treino_nutri.png)
32
 
33
  # 🏋️ Chatbot de Treino e Nutrição
34
 
35
- Assistente virtual para montar planos de treino e dieta inicial. Ideal para iniciantes e curiosos do mundo fitness!
36
 
37
- ## 🏋️ Fitness Chatbot Model
38
-
39
- ### 📌 Visão Geral
40
- Este modelo é uma versão ajustada do [distilgpt2](https://huggingface.co/distilgpt2) em um conjunto de dados desconhecido.
41
-
42
- Este modelo foi treinado para atuar como um chatbot especializado em educação física e nutrição, com foco em auxiliar usuários iniciantes na criação de planos de treino semanais e dietas personalizadas. Ele responde perguntas sobre rotina de exercícios, alimentação, objetivos físicos e adaptações para diferentes perfis (idade, sexo, restrições alimentares).
43
-
44
- ### 🧠 Arquitetura
45
- Modelo base: distilgpt2 (Hugging Face Transformers)
46
-
47
- Tipo: Modelo de linguagem causal (Causal Language Model)
48
-
49
- Tamanho: Pequeno, ideal para aplicações leves e responsivas
50
-
51
- Idioma: Português
52
-
53
- ### 📚 Dataset
54
- O modelo foi treinado com um conjunto de dados personalizado contendo exemplos de perguntas e respostas sobre:
55
-
56
- Treinos semanais para iniciantes, intermediários e avançados
57
-
58
- Dietas para hipertrofia, emagrecimento e manutenção
59
 
60
- Sugestões alimentares com restrições (vegetarianismo, intolerância à lactose)
61
 
62
- Recomendações de exercícios e frequência ideal
63
 
64
- Dicas de recuperação muscular e mobilidade
 
 
 
65
 
66
- Formato do dataset: JSONL com campos "input" e "output"
 
67
 
68
- ### 🎯 Aplicações
69
- Assistente virtual para academias ou apps de saúde
70
 
71
- Chatbots integrados a páginas web (como este projeto)
72
 
73
- Ferramentas de onboarding para novos praticantes de atividade física
 
 
 
74
 
75
- Interfaces conversacionais para planos alimentares básicos
76
 
77
- ### ⚠️ Limitações
78
- O modelo não substitui orientação profissional de nutricionistas ou educadores físicos.
79
 
80
- As respostas são baseadas em padrões genéricos e podem não considerar condições médicas específicas.
 
 
 
81
 
82
- Pode apresentar variações na qualidade das respostas dependendo da complexidade da pergunta.
83
 
84
- ### 🧪 Como usar
85
 
86
- ````
87
  from transformers import AutoTokenizer, AutoModelForCausalLM
88
 
89
  model = AutoModelForCausalLM.from_pretrained("wpbcpaz/fitness-chatbot-model")
@@ -93,7 +79,8 @@ input_text = "Usuário: Tenho 30 anos, treino 4x por semana e quero ganhar massa
93
  inputs = tokenizer(input_text, return_tensors="pt")
94
  outputs = model.generate(**inputs, max_new_tokens=100)
95
  print(tokenizer.decode(outputs[0]))
96
- ````
 
97
  ### Hiperparâmetros de treinamento
98
 
99
  Os seguintes hiperparâmetros foram utilizados durante o treinamento:
 
1
  ---
2
  tags:
3
+ - chatbot
4
+ - treino
5
+ - nutrição
6
+ - fitness
7
+ - português
8
+ - distilgpt2
9
  language: pt
10
  license: mit
11
  datasets:
12
+ - wpbcpaz/fitness-chatbot-dataset
13
  metrics:
14
+ - perplexity
15
  model-index:
16
+ - name: Fitness Chatbot Model
17
+ results:
18
+ - task:
19
+ type: text-generation
20
+ name: Geração de texto
21
+ dataset:
22
+ name: Fitness Chatbot Dataset
23
+ type: custom
24
+ metrics:
25
+ - name: Perplexity
26
+ type: perplexity
27
+ value: 12.3
 
28
  ---
29
 
30
+ ![Capa do Chatbot](https://huggingface.co/wpbcpaz/fitness-chatbot-model/resolve/main/chatbot_treino_nutri.png)
31
 
32
  # 🏋️ Chatbot de Treino e Nutrição
33
 
34
+ Este modelo foi treinado para atuar como um **assistente virtual especializado em educação física e nutrição**, com foco em iniciantes que desejam montar planos de treino e dieta personalizados.
35
 
36
+ ---
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
37
 
38
+ ## 📚 Dataset
39
 
40
+ O modelo foi treinado com um conjunto de dados customizado contendo perguntas e respostas sobre:
41
 
42
+ - Treinos semanais para diferentes níveis
43
+ - Dietas para emagrecimento, hipertrofia e manutenção
44
+ - Restrições alimentares (vegetarianismo, intolerância à lactose)
45
+ - Recomendações de frequência, recuperação e mobilidade
46
 
47
+ Formato: JSONL com campos `"input"` e `"output"`
48
+ Repositório do dataset: [wpbcpaz/fitness-chatbot-dataset](https://huggingface.co/datasets/wpbcpaz/fitness-chatbot-dataset)
49
 
50
+ ---
 
51
 
52
+ ## 🧠 Modelo
53
 
54
+ - **Base:** distilgpt2
55
+ - **Tipo:** Causal Language Model
56
+ - **Idioma:** Português
57
+ - **Tamanho:** Leve, ideal para aplicações web e mobile
58
 
59
+ ---
60
 
61
+ ## 🎯 Aplicações
 
62
 
63
+ - Chatbots para academias ou apps de saúde
64
+ - Interfaces conversacionais em sites
65
+ - Ferramentas de onboarding para novos praticantes
66
+ - Assistentes virtuais para planos alimentares básicos
67
 
68
+ ---
69
 
70
+ ## 🧪 Como usar
71
 
72
+ ```python
73
  from transformers import AutoTokenizer, AutoModelForCausalLM
74
 
75
  model = AutoModelForCausalLM.from_pretrained("wpbcpaz/fitness-chatbot-model")
 
79
  inputs = tokenizer(input_text, return_tensors="pt")
80
  outputs = model.generate(**inputs, max_new_tokens=100)
81
  print(tokenizer.decode(outputs[0]))
82
+ ```
83
+
84
  ### Hiperparâmetros de treinamento
85
 
86
  Os seguintes hiperparâmetros foram utilizados durante o treinamento: