README_PT-BR.md

Recomendação de Vinhos

Go to the english description

Este projeto foi desenvolvido como parte do Curso de Sistema de Recomendação Inteligente na Universidade Federal do Tocantins. Ele tem como objetivo criar um sistema de recomendação de vinhos personalizado usando o conjunto de dados XWines.

O sistema utiliza técnicas de filtragem colaborativa e recomendação baseada em conteúdo para sugerir vinhos com base nas preferências do usuário.

Summary

• Visualização
• Quais recomendação foram utilizadas?
• Tecnologias
• How to Install

Visualização do Modelo Baseado em Conteúdo

Quais recomendação foram utilizadas?

Collaborative Filtering: Este modelo utiliza interações entre usuários e itens para recomendar vinhos com base nas preferências de usuários similares. Ao identificar padrões no comportamento dos usuários, pode-se gerar recomendações personalizadas para cada usuário.

Content-based: Em contraste com a filtragem colaborativa, este modelo foca nos atributos dos vinhos como variedade de uva, região e safra. Ao entender as características de cada vinho, podemos recomendar vinhos similares com base na similaridade de conteúdo.

Tecnologias

• Python: uma linguagem de programação versátil amplamente utilizada em ciência de dados, desenvolvimento web e automação.
• Numpy e Pandas: usados para pré-processamento de dados, engenharia de recursos e manipulação de conjuntos de dados.
• Jupyter Notebook e VSCode: ambientes de desenvolvimento comumente usados para codificação em Python, com o Jupyter Notebook focando em análise de dados interativa e o VSCode sendo um editor de código de propósito geral.
• Scikit-learn: uma biblioteca para aprendizado de máquina, oferecendo uma variedade de algoritmos e ferramentas para análise de dados.
  • TfidfVectorizer: classe do sklearn que transforma texto em representações numéricas usando a técnica TF-IDF.
  • linear_kernel: função que calcula a similaridade linear entre dois conjuntos de dados.
  • cosine_similarity: função para calcular a similaridade entre vetores usando a medida cosseno.
  • euclidean_distances: função para calcular a distância euclidiana entre pontos em um espaço n-dimensional.

Como posso testar?

1. Clona o repositório

git clone https://github.com/Anotherafael/STUDY_WineRecommendation.git

2. Instale o Python ou copie o projeto para o ambiente do Google Collab
3. Instale as dependências

pip install -r requirements.txt

or

%pip install -r requirements.txt

4. Divirta-se! 😊