CoolFace
Modelpublic

kanyep/finetuning-sentiment-model-3000-samples

sourceHugging Faceapache-2.0updated 20d agoView on Hugging Face
0likes27downloads
Model Card

DistilBERT Sentiment Analysis — TP MLOps Hugging Face

  • —Auteur : Kanyep darry (kanyep)
  • —Modèle de base : `distilbert-base-uncased`
  • —Tâche : Classification de texte binaire (Analyse de sentiment : NEGATIVE [0], POSITIVE [1])
  • —Dataset d'entraînement : Rotten Tomatoes (3000 exemples)
  • —Projet : TP MLOps — Master 2

📖 Description du Modèle

Ce modèle est une version fine-tunée de DistilBERT (architecture compacte et rapide de BERT) entraînée pour prédire la polarité de sentiment de critiques de films ou textes courts en anglais.

Il a été entraîné et versionné dans le cadre des ateliers pratiques MLOps sur la plateforme Hugging Face.

📊 Métriques & Hyperparamètres d'Entraînement

  • —Nombre d'époques : 2
  • —Taux d'apprentissage (Learning Rate) : 2e-5
  • —Taille de batch (Train / Eval) : 16 / 16
  • —Optimiseur : AdamW (PyTorch Fused) avec lr scheduler linéaire
  • —Format des poids : Safetensors (model.safetensors, 267 Mo)

💻 Utilisation avec Transformers pipeline

python
from transformers import pipeline

# Chargement automatique du pipeline de classification de sentiment
classifier = pipeline("sentiment-analysis", model="kanyep/finetuning-sentiment-model-3000-samples")

# Exemples de prédiction
result = classifier("This movie was absolutely fantastic, a real masterpiece!")
print(result)

🌐 Démonstration Web Interactive (Space Gradio)

L'application web interactive associée à ce modèle est disponible ici : 👉 [Space Gradio Analyse de Sentiment](https://huggingface.co/spaces/kanyep/distilbert-sentiment-analysis)