juancmamacias/jd-jcms

Modelo de Análisis de Sentimiento IMDb - DistilBERT

Este modelo ha sido entrenado para la tarea de análisis de sentimiento sobre reseñas de películas del dataset IMDb.

Arquitectura

• Modelo base: distilbert-base-uncased (de Hugging Face Transformers)
• Tarea: Clasificación binaria (positivo/negativo)
• Tokenizador: DistilBERT uncased

Datos de entrenamiento

• Dataset: IMDb (25,000 reseñas de películas)
• Split: 60% entrenamiento, 40% validación
• Test: 25,000 ejemplos (conjunto original de test)

Proceso de entrenamiento

• Épocas: 3
• Batch size: 16
• Optimización: AdamW, weight decay 0.01
• Warmup steps: 500
• Métricas: Accuracy, F1, Precision, Recall
• Hardware: Entrenado en GPU (NVIDIA GeForce GTX 960M)

Uso

Puedes cargar este modelo con Hugging Face Transformers:

from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("juancmamacias/jd-jcms")
model = AutoModelForSequenceClassification.from_pretrained("juancmamacias/jd-jcms")

Autor

• Juan Domingo (GitHub)
• Juan Carlos Macías (GitHub)

Notas

• El modelo es adecuado para tareas de análisis de sentimiento en inglés.