Update README.md

README.md

@@ -37,56 +37,60 @@ model-index:
       value: 0.9675738105867966
 ---
 
-<!-- This model card has been generated automatically according to the information the Trainer had access to. You
-should probably proofread and complete it, then remove this comment. -->
-
 # bert-finetuned-ner
 
-This model is a fine-tuned version of [google-bert/bert-base-cased](https://huggingface.co/google-bert/bert-base-cased) on the conll2002 dataset.
-It achieves the following results on the evaluation set:
-- Loss: 0.1620
-- Precision: 0.7612
+Este modelo es una versión afinada de [google-bert/bert-base-cased](https://huggingface.co/google-bert/bert-base-cased) en el conjunto de datos conll2002.
+Obtiene los siguientes resultados en el conjunto de evaluación:
+- Pérdida: 0.1620
+- Precisión: 0.7612
 - Recall: 0.8028
 - F1: 0.7815
-- Accuracy: 0.9676
+- Exactitud: 0.9676
+
+## Descripción del modelo
+
+El modelo BERT (Bidirectional Encoder Representations from Transformers) es un modelo de aprendizaje profundo basado en Transformers desarrollado por Google. BERT está preentrenado en un gran corpus de texto en inglés y luego se puede afinar para tareas específicas, como el reconocimiento de entidades nombradas (NER). Este modelo en particular ha sido afinado en el conjunto de datos conll2002 para el idioma español.
 
-## Model description
+## Usos e limitaciones
 
-More information needed
+### Usos
 
-## Intended uses & limitations
+- Reconocimiento de entidades nombradas (NER) en textos en español.
+- Aplicaciones en procesamiento de lenguaje natural donde se necesite identificar nombres de personas, lugares, organizaciones, etc.
 
-More information needed
+### Limitaciones
 
-## Training and evaluation data
+- El modelo puede no funcionar bien en textos fuera del dominio de los datos de entrenamiento (conll2002).
+- Puede tener sesgos inherentes debido a los datos con los que fue preentrenado y afinado.
 
-More information needed
+## Datos de entrenamiento y evaluación
 
-## Training procedure
+El modelo fue afinado y evaluado utilizando el conjunto de datos conll2002, que es un conjunto de datos estándar para tareas de reconocimiento de entidades nombradas en español.
 
-### Training hyperparameters
+## Procedimiento de entrenamiento
 
-The following hyperparameters were used during training:
+### Hiperparámetros de entrenamiento
+
+Los siguientes hiperparámetros se utilizaron durante el entrenamiento:
 - learning_rate: 2e-05
 - train_batch_size: 8
 - eval_batch_size: 8
 - seed: 42
-- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
+- optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
 - lr_scheduler_type: linear
 - num_epochs: 5
 
-### Training results
-
-| Training Loss | Epoch | Step | Validation Loss | Precision | Recall | F1     | Accuracy |
-|:-------------:|:-----:|:----:|:---------------:|:---------:|:------:|:------:|:--------:|
-| 0.1029        | 1.0   | 1041 | 0.1456          | 0.7070    | 0.7470 | 0.7265 | 0.9599   |
-| 0.0681        | 2.0   | 2082 | 0.1440          | 0.6997    | 0.7737 | 0.7348 | 0.9624   |
-| 0.0424        | 3.0   | 3123 | 0.1424          | 0.7611    | 0.8008 | 0.7804 | 0.9680   |
-| 0.0278        | 4.0   | 4164 | 0.1573          | 0.7621    | 0.7971 | 0.7792 | 0.9666   |
-| 0.0212        | 5.0   | 5205 | 0.1620          | 0.7612    | 0.8028 | 0.7815 | 0.9676   |
+### Resultados del entrenamiento
 
+| Pérdida de entrenamiento | Época | Paso | Pérdida de validación | Precisión | Recall | F1     | Exactitud |
+|:------------------------:|:-----:|:----:|:---------------------:|:---------:|:------:|:------:|:---------:|
+| 0.1029                   | 1.0   | 1041 | 0.1456                | 0.7070    | 0.7470 | 0.7265 | 0.9599    |
+| 0.0681                   | 2.0   | 2082 | 0.1440                | 0.6997    | 0.7737 | 0.7348 | 0.9624    |
+| 0.0424                   | 3.0   | 3123 | 0.1424                | 0.7611    | 0.8008 | 0.7804 | 0.9680    |
+| 0.0278                   | 4.0   | 4164 | 0.1573                | 0.7621    | 0.7971 | 0.7792 | 0.9666    |
+| 0.0212                   | 5.0   | 5205 | 0.1620                | 0.7612    | 0.8028 | 0.7815 | 0.9676    |
 
-### Framework versions
+### Versiones de los frameworks
 
 - Transformers 4.41.1
 - Pytorch 2.3.0+cu121