Sentiment Analysis with BERT Transformers 🗣️

Este repositorio contiene dos etapas del proyecto: Entrenamiento del modelo y Pruebas de Inferencia.

Notebook	Visualizar en Colab (Recomendado)
1. Entrenamiento (Training)
2. Inferencia (Inference)

---

📋 Descripción del Proyecto

Clasificación semántica de reseñas de películas (IMDB) utilizando el estado del arte en Procesamiento de Lenguaje Natural (NLP). Este proyecto implementa Deep Learning y Transfer Learning mediante el modelo BERT para entender el contexto y matices del lenguaje humano mejor que los modelos tradicionales.

🛠️ Tecnologías Clave

• Deep Learning: PyTorch / TensorFlow, Transformers (Hugging Face).
• NLP: Tokenization (BERT Base Uncased), Word Embeddings.
• Hardware: Aceleración por GPU.

⚙️ Metodología

1. Tokenización: Procesamiento de texto crudo para adaptarlo a la entrada de BERT (CLS/SEP tokens, padding).
2. Embeddings: Extracción de representaciones vectoriales densas utilizando un modelo BERT pre-entrenado.
3. Entrenamiento: Clasificador (Regresión Logística/NN) entrenado sobre los embeddings para distinguir entre reseñas positivas y negativas.
4. Inferencia: Pruebas con textos inéditos para validar la generalización.

📊 Resultados

El uso de BERT permitió capturar sarcasmo y dobles negaciones, superando significativamente a los enfoques basados en frecuencia de palabras (TF-IDF).

📁 Disponibilidad de los Datos

Este proyecto utiliza un subconjunto del dataset público IMDB Movie Review Dataset.

💡 Nota de Visualización: GitHub a menudo tiene problemas renderizando notebooks complejos. Por favor, usa los botones de "Open in Colab" de la tabla superior para ver el código y las gráficas correctamente.