README: añadir enlace proyecto W&B y resultados de mejor run individual

Author: afarresg

README.md

@@ -2,35 +2,6 @@
 
 Clasificador de pistachos (Kirmizi vs Siirt) usando Deep Learning con PyTorch Lightning y MLOps.
 
-## Estructura del proyecto
-
-```
-.
-├── config/
-│   └── configuracion.yaml     # Hiperparametros del modelo
-├── src/
-│   ├── main.py                # Entrypoint CLI (train/sweep)
-│   ├── train.py               # Entrenamiento con W&B logging
-│   ├── sweep.py               # W&B Sweeps (grid search)
-│   ├── model.py               # Modelos CNN (LightningModules)
-│   ├── data_module.py         # LightningDataModule (kagglehub)
-│   ├── api_inferencia.py      # FastAPI (POST /predict)
-│   ├── utils.py               # load_config, get_project_root
-│   └── logging_config.py      # Configuracion de logging
-├── tests/
-│   ├── test_api.py
-│   ├── test_data_module.py
-│   ├── test_model.py
-│   └── test_utils.py
-├── notebook/
-│   └── pistachio.ipynb        # Notebook exploratorio
-├── Dockerfile                 # Containerizacion (MODE=train|api)
-├── entrypoint.sh              # Entrypoint flexible
-├── .github/workflows/ci.yml   # CI/CD con GitHub Actions
-├── requirements.txt
-└── pytest.ini
-```
-
 ## Dataset
 
 [Pistachio Image Dataset](https://www.kaggle.com/datasets/muratkokludataset/pistachio-image-dataset) - 2 clases (Kirmizi_Pistachio, Siirt_Pistachio). Se descarga automaticamente via kagglehub.
@@ -124,13 +95,13 @@ Respuesta:
 ## W&B Report
 
 - Proyecto: https://wandb.ai/14farresa-/pistachio-mlops
-- Sweep: https://wandb.ai/14farresa-/pistachio-mlops/sweeps/2147j105
+- Report: https://api.wandb.ai/links/14farresa-/9smbs51w
 
-El proyecto incluye un W&B Report con:
+### Mejor run individual
 
-- Resultados del sweep (learning rate, batch size, modelo)
-- Comparacion de arquitecturas (BatchNorm vs Dropout)
-- Metricas finales (accuracy, F1, matriz de confusion)
+| Modelo        | LR     | Batch | Test Acc | Test F1 |
+| ------------- | ------ | ----- | -------- | ------- |
+| cnn_batchnorm | 0.001  | 64    | 0.9317   | 0.9294  |
 
 ### Resultados del sweep