sdjlkfsdjsfjdl/distilbert-sentiment-analysis

🎬 DistilBERT - Sentiment Analysis

Ce modèle est une version optimisée de DistilBERT fine-tunée pour l'analyse de sentiment (classification binaire : avis positif vs négatif). Développé et déployé dans le cadre du cours MLOps & Hugging Face (MSI 4-27 DO A ISI PARIS).

📌 Description du Projet

• —Étudiant : Hassif HANNAN
• —Modèle de base : distilbert-base-uncased
• —Architecture : Transformer bidirectionnel allégé (DistilBERT - 6 couches, 66M paramètres)
• —Tâche : Classification de texte (Sentiment Analysis)
• —Dataset de référence : IMDB / Rotten Tomatoes
• —Labels :
• —NEGATIVE (0) : Avis critique négatif
• —POSITIVE (1) : Avis critique positif

📊 Évaluation & Performances

💻 Utilisation rapide en Python

from transformers import pipeline

# Chargement direct du modèle depuis le Hub Hugging Face
classifier = pipeline("sentiment-analysis", model="sdjlkfsdjsfjdl/distilbert-sentiment-analysis")

# Test sur des avis
reviews = [
    "This film is a masterpiece of modern cinema, truly inspiring!",
    "Terrible movie, predictable storyline and bad acting."
]

predictions = classifier(reviews)
for text, pred in zip(reviews, predictions):
    print(f"Avis : {text}")
    print(f"Sentiment : {pred['label']} (Confiance: {pred['score']:.4f})\n")

🌐 Démonstration Interactive (Gradio Space)

Une application web interactive est disponible pour tester ce modèle en direct : 👉 [Accéder au Space Gradio](https://huggingface.co/spaces/sdjlkfsdjsfjdl/sentiment-analysis-space)