user@devops:~$ cat README.md
NLP Avanzado: NER + Extractive QA
# Descripción
Procesamiento de Lenguaje Natural (NLP) avanzado con dos tareas fundamentales: (1) Named Entity Recognition (NER) — detección de personas, organizaciones, lugares y misceláneas en texto, usando dslim/bert-base-NER (fine-tuned CoNLL2003) para inglés y Davlan/bert-base-multilingual-cased-ner-hrl para español. El modelo reconoce entidades en 5 oraciones de ejemplo por idioma con alta confianza (media >0.95). Evaluación cuantitativa sobre 10 oraciones etiquetadas manualmente con seqeval: Accuracy 93.39%, Micro F1 81.36%, ORG F1 94.12%, LOC F1 92.31%, PER F1 75%. (2) Extractive Question Answering — respuesta literal desde contexto usando distilbert-base-cased-distilled-squad con inferencia directa (softmax sobre logits del modelo, transformers v5). 2 contextos reales (Turing Award y Deep Learning Revolution) con 8 preguntas: puntuación media 83%. 6 visualizaciones: distribución de entidades, confianza por token, métricas por entidad, histograma de scores QA, confianza por pregunta, heatmap comparativo inglés vs español.
# Características principales
$ NER multilingüe: inglés (dslim/bert-base-NER) y español (Davlan/multilingual-ner-hrl)
$ Evaluación cuantitativa seqeval: Accuracy 93.39%, F1 ORG 94.12%, LOC 92.31%, PER 75%
$ Extractive QA con DistilBERT-SQuAD: 8 preguntas sobre 2 contextos reales, score medio 83%
$ Inferencia directa transformers v5: softmax sobre start/end logits para QA
$ 10 oraciones de test etiquetadas manualmente con tags IOB2 para evaluación NER
$ 6 visualizaciones: barras, histograma, heatmap comparativo EN/ES
$ Modelos pre-entrenados: 3 pipelines listos sin necesidad de fine-tuning en GPU
# Galería
# Tecnologías utilizadas
