Update README.md

README.md

@@ -1,3 +1,53 @@
----
-license: mit
----
+---
+license: mit
+language:
+- es
+metrics:
+- f1
+- accuracy
+base_model:
+- dccuchile/bert-base-spanish-wwm-cased
+pipeline_tag: text-classification
+library_name: transformers
+tags:
+- text-classification
+- steam
+- reviews
+- beto
+- pytorch
+- sentiment-analysis
+---
+
+# Modelo de Análisis de Sentimiento para Reseñas de Steam (BETO)
+
+Este modelo es una versión ajustada (fine-tuned) del modelo [BETO](https://huggingface.co/dccuchile/bert-base-spanish-wwm-cased) (BERT en español).
+
+Ha sido entrenado para clasificar reseñas de videojuegos de la plataforma **Steam** en dos categorías:
+* **LABEL_1**: Recomendado (Positivo)
+* **LABEL_0**: No Recomendado (Negativo)
+
+## Descripción del Proyecto
+El objetivo era adaptar un modelo de lenguaje generalista (BETO) al lenguaje específico y coloquial de los "gamers" en español. El modelo ha sido entrenado con un dataset de aproximadamente 1.000 reseñas reales.
+
+## Métricas de Evaluación (Set de Validación)
+El modelo alcanzó los siguientes resultados durante el entrenamiento:
+* **F1-Score**: 0.849
+* **Accuracy**: 0.857
+* **Loss**: 0.35
+
+## Cómo usarlo (Inferencia)
+
+Puedes usar este modelo directamente con la librería `transformers`:
+
+```python
+from transformers import pipeline
+
+# Cargar el pipeline
+clasificador = pipeline("text-classification", model="TU_USUARIO/beto-steam-reviews")
+
+# Probar con una frase
+texto = "El juego tiene buenos gráficos pero la historia es aburrida."
+resultado = clasificador(texto)
+
+print(resultado)
+# Salida esperada: [{'label': 'LABEL_0', 'score': 0.99...}]