README.md

metadata

title: Mvp Sentimientos
emoji: 🔥
colorFrom: purple
colorTo: yellow
sdk: gradio
sdk_version: 5.49.1
app_file: app.py
pinned: false
license: apache-2.0
short_description: 'MVP: Comparador de Modelos de Análisis de Sentimiento'

🆚 Comparador de Modelos de Análisis de Sentimiento

Una aplicación interactiva que compara dos modelos de análisis de sentimiento especializados en español:

• 🤖 RoBERTuito (pysentimiento/robertuito-sentiment-analysis)
• 📚 BETO (finiteautomata/beto-sentiment-analysis)

🎯 Objetivo

Este MVP demuestra las capacidades de diferentes arquitecturas de transformers para análisis de sentimiento en español, permitiendo comparar:

• RoBERTuito: Especializado en lenguaje coloquial y redes sociales
• BETO: Modelo clásico más formal entrenado en Wikipedia

✨ Características

• Comparación lado a lado de ambos modelos
• Ejemplos en español argentino con expresiones coloquiales
• Métricas de rendimiento (confianza y tiempo de respuesta)
• Interfaz intuitiva desarrollada con Gradio
• Arquitectura eficiente con carga única de modelos

🚀 Uso

1. Ingresa texto en el área de texto principal
2. Observa resultados de ambos modelos en tiempo real
3. Prueba ejemplos con expresiones argentinas típicas
4. Compara rendimiento entre modelos especializados vs generalistas

📊 Ejemplos incluidos

• ✅ "La verdad, este lugar está bárbaro. Muy recomendable."
• ❌ "Una porquería de servicio, nunca más vuelvo."
• 😐 "Qué garrón, tardaron una banda en traer el pedido."
• 🙂 "Re copado todo, la rompieron con el ambiente."

🏗️ Arquitectura Técnica

graph TB
    A[Usuario] --> B[Texto Input]
    B --> C[RoBERTuito Model]
    B --> D[BETO Model]
    C --> E[Resultado RoBERTuito]
    D --> F[Resultado BETO]
    E --> G[Interfaz Comparación]
    F --> G
    G --> H[Usuario ve resultados]

Características técnicas:

• Modelos cargados una sola vez al inicio
• Procesamiento paralelo para mejor rendimiento
• Manejo robusto de errores
• Formateo consistente de resultados

🎓 Contexto Educativo

Este proyecto forma parte del curso Procesamiento de Lenguaje Natural de la Tecnicatura en Ciencia de Datos - IFTS.

Objetivos de aprendizaje:

• ✅ Comprender diferencias entre modelos especializados
• ✅ Aplicar transformers en aplicaciones reales
• ✅ Diseñar interfaces interactivas con Gradio
• ✅ Deployar aplicaciones en Hugging Face Spaces

🔧 Instalación Local

# 1. Crear entorno virtual
python -m venv venv

# 2. Activar entorno
# Windows:
venv\Scripts\activate
# Linux/Mac:
# source venv/bin/activate

# 3. Instalar dependencias
pip install -r requirements.txt

# 4. Ejecutar aplicación
python app.py

🌐 Deploy

Esta aplicación está diseñada para deploy automático en Hugging Face Spaces.

Para deploy:

1. Crear nuevo Space en Hugging Face
2. Conectar repositorio Git
3. Push automático desplegará la aplicación

📈 Próximas Mejoras

• Agregar más modelos para comparación
• Visualización gráfica de resultados
• Análisis por lotes de textos
• Exportación de resultados
• Métricas de accuracy comparativas

👨‍💻 Desarrollado con

• Python 3.10+
• Transformers (Hugging Face)
• Gradio (Interfaz web)
• PyTorch (Backend ML)

📝 Licencia

Apache 2.0 - libre uso educativo y desarrollo.

---

Desarrollado para el curso de Procesamiento de Lenguaje Natural - IFTS 2025