Upload README.md

README.md

@@ -1,43 +1,55 @@
+# 🌍 Wonders of the World Dataset
+
+## 🧠 Descripción
+
+Este dataset contiene imágenes de distintas **maravillas del mundo**, organizadas por clase. Cada clase representa un sitio emblemático como el Coliseo, la Gran Muralla China, Machu Picchu, entre otros. Las imágenes están etiquetadas mediante un archivo CSV que incluye las columnas `image_name` y `label`.
+
+El dataset está diseñado para tareas de **clasificación de imágenes** utilizando modelos de aprendizaje profundo, como Vision Transformer (ViT), y puede ser utilizado en aplicaciones de turismo inteligente, educación visual, y sistemas de recomendación.
+
 ---
-dataset_info:
-  features:
-  - name: image
-    dtype: image
-  - name: label
-    dtype:
-      class_label:
-        names:
-          '0': burj_khalifa
-          '1': chichen_itza
-          '2': christ_the_reedemer
-          '3': eiffel_tower
-          '4': great_wall_of_china
-          '5': machu_pichu
-          '6': pyramids_of_giza
-          '7': roman_colosseum
-          '8': statue_of_liberty
-          '9': stonehenge
-          '10': taj_mahal
-          '11': venezuela_angel_falls
-  splits:
-  - name: train
-    num_bytes: 314882454.0
-    num_examples: 2686
-  - name: validation
-    num_bytes: 70348640.0
-    num_examples: 570
-  - name: test
-    num_bytes: 79238413.0
-    num_examples: 590
-  download_size: 463919294
-  dataset_size: 464469507.0
-configs:
-- config_name: default
-  data_files:
-  - split: train
-    path: data/train-*
-  - split: validation
-    path: data/validation-*
-  - split: test
-    path: data/test-*
+
+## 🎯 Objetivo
+
+El objetivo principal es entrenar un modelo de clasificación de imágenes capaz de identificar correctamente la maravilla del mundo representada en cada imagen. El flujo de trabajo incluye:
+
+- Preparación del dataset en formato `imagefolder`.
+- División en subconjuntos: `train`, `validation`, `test`.
+- Visualización de ejemplos.
+- Entrenamiento de modelos ViT usando Hugging Face Transformers.
+- Evaluación del rendimiento y publicación del dataset en Hugging Face Hub.
+
 ---
+
+## 📁 Estructura del Dataset
+
+- Formato: `imagefolder`
+- Subconjuntos: `train`, `validation`, `test`
+- Etiquetas: disponibles en `wonders_of_world_images.csv`
+
+---
+
+## 📊 Estadísticas
+
+- Número de clases: 7  
+- Total de imágenes: 3,500  
+- Desbalance entre clases: ratio máximo/mínimo ≈ 2.3
+
+---
+
+## 📚 Referencias
+
+[1] A. Dosovitskiy et al., “An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale,” *arXiv preprint arXiv:2010.11929*, Oct. 2020. [Online]. Available: https://arxiv.org/abs/2010.11929  
+[2] T. Wolf et al., “Transformers: State-of-the-Art Natural Language Processing,” *Proc. EMNLP 2020*, pp. 38–45. [Online]. Available: https://www.aclweb.org/anthology/2020.emnlp-demos.6  
+[3] L. Perez and J. Wang, “The Effectiveness of Data Augmentation in Image Classification using Deep Learning,” *arXiv preprint arXiv:1712.04621*, Dec. 2017. [Online]. Available: https://arxiv.org/abs/1712.04621
+
+---
+
+## 🏷️ Licencia
+
+Este dataset se publica bajo la licencia [Creative Commons Attribution 4.0 International (CC BY 4.0)](https://creativecommons.org/licenses/by/4.0/), permitiendo su uso, distribución y adaptación con atribución adecuada.
+
+---
+
+## ✨ Contribuciones
+
+Este dataset fue preparado por **Priscilla Segura Ruiz** como parte de un proyecto de clasificación de imágenes con modelos ViT en Hugging Face.