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).
distilbert-base-uncasedNEGATIVE (0) : Avis critique négatifPOSITIVE (1) : Avis critique positif| Métrique | Score |
|---|---|
| Accuracy | 91.3% |
| F1-Score | 0.912 |
| Vitesse d'inférence | ~15 ms / texte (CPU) |
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")
Une application web interactive est disponible pour tester ce modèle en direct :
👉 Accéder au Space Gradio