distilbert-imdb-workshop

distilbert-base-uncased fine-tune sur un sous-echantillon d' imdb pour la classification binaire de sentiment.

Atelier Get_Started du cours MLOps M2. Evalue avec accuracy et F1, les deux metriques demandees par l'enonce.

Resultats

Metrique	Valeur
Accuracy	0.8275
F1	0.8208

L'accuracy est la proportion de predictions correctes ; le F1 est la moyenne harmonique de la precision et du rappel. Les deux sont proches ici parce que les classes d'IMDB sont equilibrees.

Utilisation

from transformers import pipeline

clf = pipeline("sentiment-analysis", model="Den953/distilbert-imdb-workshop", truncation=True)
clf("This movie was absolutely fantastic!")

Entrainement

Hyperparametre	Valeur
base	distilbert-base-uncased
train / test	1500 / 400 exemples
epochs	1
learning rate	2e-5
batch size	16
weight decay	0.01
max length	128 tokens (padding dynamique)
materiel	CPU

Limites

Entrainement volontairement court (1500 exemples, 1 epoque, CPU) : exercice pedagogique, pas un modele de production. Avec 400 exemples de test, l'accuracy rapportee a une marge d'erreur de l'ordre de +/- 5 points. Critiques de films en anglais uniquement, souvent longues et tronquees a 128 tokens - le modele ne voit donc que le debut de chaque critique.