Skip to content

kaellandrade/naive-bayes-pwa

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Projeto Final para disciplina de IA - UFS

PetIndica

GitHub repo size GitHub language count GitHub forks Bitbucket open issues Bitbucket open pull requests

O PetIndica é um programa de computador via web que serve para recomendar produtos da área pet para possíveis clientes que ainda não sabem o que comprar ou que preferem ter um conselho mais refinado sobre indicações de produtos.

✔️ Entregáveis

🔗 Acessar o projeto no Netlify

PetIndica

❗ Observação: Se por acaso o app der alguma instabilidade nas requisições, é só mandar um email ou me marcar no classroom com gabriel.btera@academico.ufs.br que verificamos.

📋 Doc de registro do software

❗ Para o documento com os dados completo dos integrantes entrar em contato com micael.santos@dcomp.ufs.br

📕 Doc

🎥 Vídeo Demonstração

Alt text for your video

📷 UX Telas

Telas criadas no figma para elaboração do projeto.

💻 Arquitetura do projeto

🤝 Colaboradores

Agradecemos às seguintes pessoas que contribuíram para este projeto:

Foto de Micael
Micael Andrade
Foto de Marcus
Marcus
Foto de Gilberto
Gilberto
Foto do Gabriel
Gabriel
Foto de Hendrik
Hendrik

Linguagens e Ferramentas utilizadas no projeto:

JavaScript postgresql Python Pyodide HTML5 CSS3 Docker Git netlify

Ajustes e melhorias (Trabalhos futuros)

  • Obter dados para classes de animais que não recebem nenhuma recomendação. Isso se deve ao fato de na nossa base não haver dados suficientes para aquelas características em específico. Como por exemplo PASSÁRO -> GIGANTE -> ADULTO -> A nossa base de dados não tem nenhuma compra com essa categoria. Assim como outras.
  • No output, mostrar também imagens ilustrativas de cada produto.

📕 Referências

Artigos

P. Valdiviezo-Diaz, F. Ortega, E. Cobos and R. Lara-Cabrera, "A Collaborative Filtering Approach Based on Naïve Bayes Classifier," in IEEE Access, vol. 7, pp. 108581-108592, 2019, doi: 10.1109/ACCESS.2019.2933048. - Filtragem colaborativa

UX inspirações

⬆ Voltar ao topo