Update README.md

Author: rominarg

README.md

@@ -1,32 +1,75 @@
 # SentimentAPI Analytics - UI Proposal
 
-Este repositorio contiene la propuesta de diseño frontend para **SentimentAPI Analytics**, una plataforma web dedicada al procesamiento masivo de análisis de sentimientos mediante Inteligencia Artificial.
+Este repositorio contiene la propuesta de diseño frontend para **SentimentAPI Analytics**, una plataforma web dedicada al procesamiento masivo de Análisis de Sentimientos de Feedbacks.
+
+**SentimentAPI** es una solución integral de Data Science y Backend diseñada para automatizar el análisis de feedback de clientes. Permite a las empresas procesar grandes volúmenes de reseñas y comentarios para identificar rápidamente la satisfacción del usuario, priorizar la atención de quejas y monitorear la reputación de marca.
 
 El proyecto se centra en ofrecer una experiencia de usuario (UX) fluida para la carga de datasets (.csv) y la visualización clara de resultados predictivos.
 
-## 🚀 Características Principales
+##  Características Principales
 
 * **Diseño Responsivo:** Adaptabilidad total a dispositivos móviles y escritorio utilizando **Bootstrap 5**.
 * **Gestión de Archivos:** Interfaz intuitiva "Drag & Drop" para la carga de archivos CSV.
 * **Dashboard Interactivo:** Visualización de métricas y distribución de sentimientos mediante **Chart.js**.
 * **Feedback Visual:** Indicadores de estado, barras de progreso y clasificación por colores (Semáforo de sentimientos).
 * **Estética Profesional:** Interfaz limpia (Clean UI) con tipografía legible y paleta de colores corporativa.
 
-## 🛠️ Stack Tecnológico
+##  Stack Tecnológico
 
 * **HTML5** - Estructura semántica.
 * **CSS3** - Estilos personalizados y diseño adaptativo.
 * **Bootstrap 5.3** - Framework de componentes UI y sistema de grillas.
 * **JavaScript (ES6)** - Lógica de interacción y manipulación del DOM.
 * **Chart.js** - Librería para la generación de gráficos dinámicos.
 
-## 📂 Estructura del Proyecto
+##  Estructura del Proyecto
 
 * `index.html`: Landing page y módulo de carga de archivos.
 * `dashboard.html`: Tablero de resultados y visualización de datos.
 * `style.css`: Hoja de estilos personalizada.
 * `script.js`: Lógica de frontend y simulación de datos.
 
+##  Propuesta de Valor
+
+En un entorno donde las empresas reciben miles de comentarios diarios, la lectura manual es inviable. Este proyecto ofrece:
+* **Detección automática de urgencias:** Clasifica comentarios negativos para atención prioritaria.
+* **Insights accionables:** Transforma texto no estructurado en métricas medibles.
+* **Visión histórica:** Permite medir la evolución de la satisfacción del cliente.
+
+## 🛠️ Arquitectura Técnica
+
+El proyecto demuestra la integración funcional entre un modelo de Machine Learning y una API robusta.
+
+###  Data Science (Python)
+Utilizamos técnicas clásicas de **Procesamiento de Lenguaje Natural (NLP)** supervisado:
+* **Limpieza de Datos (EDA):** Preprocesamiento de tweets y reviews (eliminación de stopwords, normalización).
+* **Vectorización:** Transformación de texto a representación numérica mediante **TF-IDF**.
+* **Modelo Predictivo:** Implementación de **Regresión Logística** (Logistic Regression) / Naive Bayes para clasificación de sentimientos.
+* **Serialización:** Exportación del pipeline entrenado mediante `joblib`.
+
+###  Back-End (Java & Spring Boot)
+* **API RESTful:** Exposición de endpoints para consumo externo.
+* **Integración:** Carga y ejecución del modelo predictivo para inferencia en tiempo real.
+* **Validación:** Manejo de errores y respuestas JSON estandarizadas.
+
+### 🎨 Front-End (Dashboard MVP)
+* **Interfaz Web:** Panel para carga masiva de datos (Batch Processing) vía CSV.
+* **Visualización:** Gráficos interactivos con **Chart.js** para distribución de sentimientos.
+* **Bootstrap 5:** Diseño responsivo y profesional.
+
+##  Funcionalidades (MVP)
+
+### 1. Análisis en Tiempo Real
+Endpoint para clasificar un comentario individual.
+* **Input:** JSON con el texto a analizar.
+* **Output:** Clasificación (Positivo/Neutro/Negativo) + Score de probabilidad (Confianza).
+
+### 2. Batch Processing (Procesamiento por Lotes)
+Capacidad de subir un archivo `.csv` con múltiples comentarios y recibir un reporte estadístico completo y visualizaciones en el Dashboard.
+
+### 3. Soporte Multilingüe 🌍
+El modelo ha sido entrenado para interpretar y clasificar textos tanto en **Español** como en **Portugués**, permitiendo escalabilidad regional.
+
 ## 📷 Vista Previa  
 
 <img width="1920" height="1040" alt="00001_" src="https://github.com/user-attachments/assets/0a50e368-bf10-4842-a586-bc3b1b50152b" />