Este proyecto tiene como objetivo construir y evaluar modelos de aprendizaje automático para predecir las canciones TOP 10 en la lista de reproducción de Spotify. Se utiliza un conjunto de datos que incluye información detallada sobre artistas y canciones.
Spotify es una plataforma líder en la industria de la música digital que ofrece acceso a un extenso catálogo de música, podcasts y contenido de audio. Desde su lanzamiento en 2008, ha revolucionado la forma en que las personas consumen música.
El conjunto de datos proviene de Kaggle y se basa en extracciones de la base de datos de Spotify a través de su API. Incluye información sobre artistas, géneros, popularidad, seguidores, canciones, álbumes y más.
1_Data_Cleaning.ipynb: Cuaderno de Jupyter utilizado para la limpieza de datos.2_EDA.ipynb: Cuaderno de Jupyter que realiza un análisis exploratorio de los datos.3_Preprocessing_ML.ipynb': Cuaderno de Jupyter donde se implementan los modelos de aprendizaje automático.README.md: Documentación principal del proyecto.
En este paso se trataron NaNs, datos duplicados y se realizaron ajustes en las categorías de datos según fuera necesario.
Se exploraron diversas métricas, como los géneros musicales más reproducidas, número de seguidores de los artistas, popularidad de las canciones, etc.
Se entrenaron varios modelos de aprendizaje automático y se ajustaron hiperparámetros utilizando GridSearchCV. Los mejores modelos se utilizaron para hacer predicciones.
Los mejores modelos se identificaron como el Random Forest.
- Clona el repositorio:
git clone https://github.com/tu_usuario/tu_proyecto.git - Instala las dependencias:
pip install -r requirements.txt(si es necesario). - Ejecuta los cuadernos de Jupyter en el orden mencionado.
Este proyecto fue desarrollado como parte de un bootcamp de Data Science.