TeresaSchaman commited on
Commit
9706497
·
verified ·
1 Parent(s): c2d49d0

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +21 -9
app.py CHANGED
@@ -17,24 +17,36 @@ def predict(text):
17
  return label_dict[prediction_index] # Devuelve la etiqueta correspondiente al índice
18
 
19
  description = """
20
- ### Bienvenido a Schaman
21
- Schaman es una empresa líder en innovación y tecnología. Nos dedicamos a mejorar continuamente mediante el uso de inteligencia artificial y aprendizaje automático.
22
 
23
- ### Descripción del Proyecto
24
- Este modelo forma parte de nuestro proyecto de supervisión de machine learning, financiado y apoyado por red.es. Puedes encontrar más información sobre este proyecto [aquí](https://www.schaman.com/es/rd/public-funded-projects/machine-learning-supervision).
25
- """
 
 
 
 
 
 
 
 
 
 
26
 
27
 
28
  with gr.Blocks() as app:
29
- gr.Markdown("# Clasificador de Quejas de Logística")
30
  gr.Markdown(description)
31
- gr.HTML('<img src="https://cdn2.hubspot.net/hubfs/5700174/cmyk_schaman-logotipo_subrayado.jpg" alt="Schaman Logo" style="width:400px;">')
32
  with gr.Row():
33
- textbox = gr.Textbox(lines=2, placeholder="Ingrese su queja de logística aquí...")
34
- submit_button = gr.Button("Predecir")
35
  label = gr.Label() # Componente de salida para mostrar la predicción
36
 
37
  submit_button.click(predict, inputs=textbox, outputs=label)
 
 
 
 
38
 
39
  app.launch()
40
 
 
17
  return label_dict[prediction_index] # Devuelve la etiqueta correspondiente al índice
18
 
19
  description = """
20
+ # Demostración del Modelo de Diagnóstico de Problemas de los Clientes en el Sector de Logística
21
+ Bienvenidos a la demostración del modelo de inteligencia artificial desarrollado por Schaman, diseñado para aplicarse en diversos sectores y que hoy nos centraremos en su uso en el sector logístico. Este proyecto es parte del "Algoritmo con Machine Learning Supervisado para el Diagnóstico de Problemas de los Clientes", financiado por red.es, y ha sido probado en los sectores de telecomunicaciones y logística.
22
 
23
+ ### Categorías de Clasificación
24
+ En esta demo, exploraremos cómo el modelo clasifica las quejas en siete categorías específicas del sector logístico:
25
+
26
+ - Problemas con la facturación
27
+ - Daño en el paquete
28
+ - Entrega tardía
29
+ - Problemas con la entrega
30
+ - Problemas con el servicio al cliente
31
+ - Problemas con la recogida
32
+ - Problemas de seguimiento
33
+
34
+ ### Acceso y Prueba del Modelo
35
+ El modelo es accesible públicamente y puede ser descargado desde la plataforma Hugging Face bajo la licencia cc-by-nc-4.0. Esto permite a los usuarios descargarlo y probarlo en sus propios conjuntos de datos para verificar su eficacia en la clasificación de quejas, proporcionando una herramienta valiosa para la mejora continua de los procesos de atención al cliente en diferentes sectores."""
36
 
37
 
38
  with gr.Blocks() as app:
 
39
  gr.Markdown(description)
 
40
  with gr.Row():
41
+ textbox = gr.Textbox(lines=2, placeholder="Ingrese su queja de logística aquí...", default="Se supone que mi paquete tenía que haber llegado ayer...")
42
+ submit_button = gr.Button("Diagnosticar")
43
  label = gr.Label() # Componente de salida para mostrar la predicción
44
 
45
  submit_button.click(predict, inputs=textbox, outputs=label)
46
+
47
+ gr.HTML('<img src="https://cdn2.hubspot.net/hubfs/5700174/cmyk_schaman-logotipo_subrayado.jpg" alt="Schaman Logo" style="width:400px;">')
48
+ gr.HTML('data:image/png;base64,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')
49
+
50
 
51
  app.launch()
52