Update README.md

README.md

@@ -29,4 +29,58 @@ Our SBV (Scene Behavior Vector) engine utilizes this dataset to predict viewer r
 Proprietary License. All rights reserved by ViewPulse AI. 
 
 For commercial licensing, B2B collaboration, or full dataset (Engine API) access, please contact us directly:
-* **Email:** yooncm21@gmail.com
+* **Email:** yooncm21@gmail.com
+
+## 🚀 Quick Start (Usage)
+
+VPA 데이터셋은 AI 학습 및 데이터 분석에 즉시 투입할 수 있도록 고도로 정제된 **Parquet** 포맷으로 제공됩니다. 사용자의 환경(AI 개발 또는 데이터 분석)에 맞춰 아래 두 가지 방법 중 원하는 방식으로 데이터를 단 3줄 만에 불러올 수 있습니다.
+
+### Method 1: Using Hugging Face `datasets` (For AI Engineers)
+파이토치(PyTorch) 등 딥러닝 모델 학습에 바로 활용할 때 추천하는 방식입니다.
+
+```python
+# pip install datasets
+from datasets import load_dataset
+
+# Load the VPA Multimodal dataset
+dataset = load_dataset("ViewPulseAI/viewpulse-vpa-sample")
+
+# Check the features (1340D SBV & Context)
+print(dataset['train'][0].keys())
+
+# Convert to Pandas DataFrame for easy analysis
+df = dataset['train'].to_pandas()
+print(df[['Time_Code', 'Scene_Description', 'Audio_i']].head())
+
+### Method 2: Using `pandas` for direct Parquet loading (For Data Analysts)
+데이터 통계 분석이나 시각화 툴 연동을 위해 엑셀 형태(DataFrame)로 직접 불러올 때 가장 간편한 방식입니다.
+
+```python
+# pip install pandas pyarrow
+import pandas as pd
+
+# Load the parquet file directly into a Pandas DataFrame
+df = pd.read_parquet("hf://datasets/ViewPulseAI/viewpulse-vpa-sample")
+
+# Check the dataset statistics (152,913 rows)
+print(df.info())
+print(df[['Time_Code', 'Scene_Description', 'Audio_Label']].head())
+
+## 📊 Dataset Statistics & Structure (데이터 통계 및 구조)
+
+본 데이터셋은 영상을 단순한 파일 단위가 아닌, **초 단위(Scene/Timecode)의 미세 구간으로 분할 분석**한 데이터로 구성되어 있어 압도적인 밀도를 자랑합니다.
+
+* **Total Rows:** 152,913 개 (장면 및 타임코드 단위 분할)
+* **Total Size:** 약 810 MB
+* **Data Format:** AI-Ready Parquet
+
+### 🔑 Key Features (1340D Scene Behavior Vector)
+VPA 엔진이 추출한 1340차원의 다중 모달(Multimodal) 벡터가 포함되어 있습니다.
+
+* **`Vision_i` (523D):** 화면 내 객체 밀집도, 인물 구도, 밝기 및 시각적 동적 변화율
+* **`Audio_i` (5D):** 오디오 파형, 피치 변동성, 음향적 긴장감 및 고조 패턴
+* **`L_i` (779D):** 대사(NLP) 텍스트의 감성 분석 및 문맥적 텐션
+* **`Time_Code` & `Scene_Description`:** 해당 벡터가 추출된 영상 내 정확한 타임라인과 텍스트 요약
+* **`Label` (`Audio_Label` 등):** 해당 구간의 맥락적 반응(긴장/고조/정적 등) 분류
+
+이 데이터를 통해 모델은 **"어떤 시각적/청각적 자극이 주어졌을 때 시청자가 몰입하는가?"**에 대한 정교한 패턴을 학습할 수 있습니다.